稀疏光流跟蹤
阿新 • • 發佈:2019-01-13
/ 光流物件的跟蹤.cpp: 定義控制檯應用程式的入口點。 //分為稀疏光流 KLT 和稠密光流HF //本課程用KLT #include<opencv2/opencv.hpp> #include<iostream> using namespace cv; using namespace std; Mat frame, gray; Mat pre_frame, pre_gray; vector<Point2f>features;//Tomas角點檢測特徵點 vector<Point2f>inpoints;//初始化特徵點資料 vector<Point2f>fpts[2];//保持當前幀和前一幀特徵點位置 vector<uchar> status;//特徵點各跟蹤成功標誌位 vector<float> errors;// 跟蹤時候區域誤差和 void detectcorner(Mat &inframe,Mat &ingray);//角點檢測 void drawcorner(Mat &inframe);//角點顯示 void track();//角點跟蹤 void drawtracklines(); int main(int argc, char ** argv) { VideoCapture capture; capture.open(0); if (!capture.isOpened()) { printf("can not open ......\n"); return -1; } namedWindow("output", WINDOW_AUTOSIZE); while (capture.read(frame)) { cvtColor(frame, gray, CV_BGR2GRAY);//光流跟蹤需要灰度影象 if (fpts[0].size() < 40) //跟蹤40個特徵點,如果跟蹤的時候損失了一些特徵點,重新檢測,追加 { detectcorner(frame, gray);//呼叫Tomas角點檢測 fpts[0].insert(fpts[0].end(), features.begin(), features.end());// 追加帶跟蹤的特徵點 inpoints.insert(inpoints.end(), features.begin(), features.end()); } else { cout << "track.......\n";// 表示特徵點沒有損失,一直在跟蹤 } if (pre_gray.empty()) { gray.copyTo(pre_gray); // 儲存前一幀,第一幀過完就不儲存了 } track();//角點跟蹤,KLT drawcorner(frame);//角點顯示 //更新前一幀資料 gray.copyTo(pre_gray); frame.copyTo(pre_frame); imshow("output", frame); waitKey(1); } capture.release();//釋放記憶體 waitKey(0); return 0; } //角點檢測 void detectcorner(Mat &inframe, Mat &ingray) { double maxCorners = 5000;//檢測到的角點的數量的最大值 double qualilevel = 0.01;//檢測到的角點的質量等級,角點特徵值小於qualityLevel*最大特徵值的點將被捨棄 double mindistant = 10;//兩個角點間最小間距 double bsize = 3;//計算協方差矩陣時視窗大小 goodFeaturesToTrack(ingray, features, maxCorners, qualilevel, mindistant, Mat(), bsize, false, 0.04);//Tomas角點檢測 //輸入必須為灰度影象,features儲存檢測到的角點座標。Mat()檢測整幅影象。true使用Harris角點檢測,為false,則使用Shi-Tomasi運算元 //留給Harris角點檢測運算元用的中間引數,一般取經驗值0.04~0.06。第八個引數為false時,該引數不起作用; //稀疏光流也用到了相鄰三層金字塔,只是使用預設值沒有引數顯示 cout << "detect" << features.size()<<endl; } //角點顯示 void drawcorner(Mat &inframe) { for (int i = 0; i < fpts[0].size(); i++) { circle(inframe, fpts[0][i], 2,Scalar(0, 0, 255)); } } void track() { //輸入前衣服影象和當前影象。輸入前一副影象特性點,如果在後一副影象追蹤到了前一副影象的特徵點,則fpts[1]儲存該特徵點座標 //status如果相應位置的流特徵被發現,向量的每個元素被設定為1,否則,被置為0. calcOpticalFlowPyrLK(pre_gray, gray, fpts[0], fpts[1], status, errors);//KLT,稀疏光流 int k = 0;// 儲存跟蹤到的特徵點數 //特徵點過濾 for (int i = 0; i < fpts[1].size(); i++) { double dist = abs(fpts[0][i].x - fpts[1][i].x) + abs(fpts[0][i].y - fpts[1][i].y); if (dist > 2 && status[i])// 跟蹤到的特徵點,且距離移動了2以上的 { inpoints[k] = inpoints[i];// 將跟蹤到的移動了的特徵點在vector中連續起來,剔掉損失的和靜止不動的特徵點(這些跟蹤點在前面幀中) fpts[1][k++] = fpts[1][i];// 同上 (只是這些跟蹤點在當前幀中) } } //儲存特徵點並繪製跟蹤軌跡 inpoints.resize(k);//重新設定容器大小 fpts[1].resize(k);//重新設定容器大小 drawtracklines();//畫線 std::swap(fpts[1], fpts[0]);// 交換,將此幀跟蹤到的特徵點作為下一幀的待跟蹤點 } void drawtracklines() { for (int t = 0; t < fpts[1].size(); t++) { line(frame, inpoints[t], fpts[1][t], Scalar(0, 255, 0), 2, 8, 0);//畫線 circle(frame, fpts[1][t], 2, Scalar(0, 0, 255)); } }