Python+OpenCV學習(15)---Lucas Kanade 角點光流軌跡跟蹤
阿新 • • 發佈:2019-02-10
利用python學習OpenCV,個人感覺比較方便。函式的形式與C++基本相同,所以切換過來還是比較好的,對於像我這種對python不太熟練的人,使用python的整合開發環境PyCharm進行學習,可以設定斷點除錯,有助於我這類初學者理解掌握。
Lucas Kanade 光流法是進行視訊中角點的軌跡跟蹤的演算法,該演算法可以用來進行人體肢體動作的軌跡跟蹤,獲取軌跡資料後可以通過模式識別的手段進行動作識別,完成一些比較智慧的任務。
下面是利用python語言結合OpenCV進行Lucas Kanade光流跟蹤的程式碼:
# -*- coding:utf-8 -*- __author__ = 'Microcosm' import cv2 import numpy as np cap = cv2.VideoCapture("E:/python/Python Project/opencv_showimage/videos/visionface.avi") # 設定 ShiTomasi 角點檢測的引數 feature_params = dict( maxCorners=100, qualityLevel=0.3, minDistance=7, blockSize=7 ) # 設定 lucas kanade 光流場的引數 # maxLevel 為使用影象金字塔的層數 lk_params = dict( winSize=(15,15), maxLevel=2, criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03)) # 產生隨機的顏色值 color = np.random.randint(0,255,(100,3)) # 獲取第一幀,並尋找其中的角點 ret, old_frame = cap.read() old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY) p0 = cv2.goodFeaturesToTrack(old_gray, mask=None, **feature_params) # 建立一個掩膜為了後面繪製角點的光流軌跡 mask = np.zeros_like(old_frame) while(1): ret, frame = cap.read() if ret: frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 計算能夠獲取到的角點的新位置 p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params) # 選取好的角點,並篩選出舊的角點對應的新的角點 good_new = p1[st == 1] good_old = p0[st == 1] # 繪製角點的軌跡 for i,(new,old) in enumerate(zip(good_new,good_old)): a,b = new.ravel() c,d = old.ravel() cv2.line(mask, (a,b), (c,d), color[i].tolist(), 2) cv2.circle(frame, (a,b), 5, color[i].tolist(), -1) img = cv2.add(frame, mask) cv2.imshow("frame", img) k = cv2.waitKey(30) & 0xff if k == 27: break # 更新當前幀和當前角點的位置 old_gray = frame_gray.copy() p0 = good_new.reshape(-1,1,2) else: break cv2.destroyAllWindows() cap.release()
下面是角點光流跟蹤的軌跡圖: