Отслеживание OpenCV с использованием оптического потока

Я использую это для функций в качестве основы моего алгоритма отслеживания.

    //1. detect the features
    cv::goodFeaturesToTrack(gray_prev, // the image 
    features,   // the output detected features
    max_count,  // the maximum number of features 
    qlevel,     // quality level
    minDist);   // min distance between two features

    // 2. track features
    cv::calcOpticalFlowPyrLK(
    gray_prev, gray, // 2 consecutive images
    points_prev, // input point positions in first im
    points_cur, // output point positions in the 2nd
    status,    // tracking success
    err);      // tracking error

cv::calcOpticalFlowPyrLK принимает вектор точки от предыдущего изображения в качестве входных данных, и возвращает соответствующие точки На следующем изображении. Предположим, у меня есть случайный пиксель (x, y) на предыдущем изображении, как я могу вычислить положение этого пикселя на следующем изображении с помощью функции оптического потока OpenCV?

16
c++ computer-vision opencv tracking

2 ответов

как вы пишете, cv::goodFeaturesToTrack принимает изображение в качестве входных данных и создает вектор точек, которые он считает "хорошими для отслеживания". Они выбираются на основе их способности выделяться из окружения и основаны на углах Харриса в изображении. Трекер обычно инициализируется путем передачи первого изображения в goodFeaturesToTrack и получения набора функций для отслеживания. Затем эти функции могут быть переданы cv::calcOpticalFlowPyrLK как и предыдущие точки, вместе со следующим изображением в последовательности и его произведет следующие точки в качестве выходных данных, которые затем станут входными точками на следующей итерации.

если вы хотите попытаться отслеживать другой набор пикселей (а не функции, созданные cv::goodFeaturesToTrack или аналогичная функция), затем просто предоставьте их cv::calcOpticalFlowPyrLK вместе со следующим изображением.

очень просто, в коде:

// Obtain first image and set up two feature vectors
cv::Mat image_prev, image_next;
std::vector<cv::Point> features_prev, features_next;

image_next = getImage();

// Obtain initial set of features
cv::goodFeaturesToTrack(image_next, // the image 
  features_next,   // the output detected features
  max_count,  // the maximum number of features 
  qlevel,     // quality level
  minDist     // min distance between two features
);

// Tracker is initialised and initial features are stored in features_next
// Now iterate through rest of images
for(;;)
{
    image_prev = image_next.clone();
    feature_prev = features_next;
    image_next = getImage();  // Get next image

    // Find position of feature in new image
    cv::calcOpticalFlowPyrLK(
      image_prev, image_next, // 2 consecutive images
      points_prev, // input point positions in first im
      points_next, // output point positions in the 2nd
      status,    // tracking success
      err      // tracking error
    );

    if ( stopTracking() ) break;
}
28

cv:: calcOpticalFlowPyrLK(..) функция использует аргументы :

cv:: calcOpticalFlowPyrLK(prev_gray, curr_gray, features_prev, features_next, status, err);

cv::Mat prev_gray, curr_gray;
std::vector<cv::Point2f> features_prev, features_next;
std::vector<uchar> status;
std::vector<float> err;

самый простой (частичный) код для поиска пикселя в следующем кадре:

features_prev.push_back(cv::Point(4, 5));
cv::calcOpticalFlowPyrLK(prev_gray, curr_gray, features_prev, features_next, status, err);

если пиксель был успешно найден status[0] == 1 и features_next[0] покажет координаты пикселя в следующем кадре. Информацию о значении можно найти в этом примере:OpenCV/samples/cpp/lkdemo.cpp

1