C++ OpenCV視頻操作之如何實(shí)現(xiàn)KLT稀疏光流對象跟蹤

這篇文章主要為大家展示了“C++ OpenCV視頻操作之如何實(shí)現(xiàn)KLT稀疏光流對象跟蹤”，內(nèi)容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“C++ OpenCV視頻操作之如何實(shí)現(xiàn)KLT稀疏光流對象跟蹤”這篇文章吧。

前言

光流跟蹤法是目前分析運(yùn)動圖像比較重要的方法，用來指時(shí)變圖像的運(yùn)動速度，是根據(jù)運(yùn)動的物體，對應(yīng)到圖像中亮度模式也在運(yùn)動得到的。稀疏光流跟蹤是一種經(jīng)典的對象跟蹤算法，可以繪制運(yùn)動對象的跟蹤軌跡與運(yùn)行方向，是一種簡單、實(shí)時(shí)高效的跟蹤算法，這個(gè)算法最早是有Bruce D. Lucas and Takeo Kanade兩位作者提出來的，所以又被稱為KLT。KLT算法工作有三個(gè)假設(shè)前提條件：

• 亮度恒定

• 短距離移動

• 空間一致性

 

基本流程

• 讀取圖像

• 角點(diǎn)提取

• 光流計(jì)算

• 跟蹤流程

• 輸出跟蹤圖像

這一篇我們先看一下基本流程的前兩步讀取圖像和角點(diǎn)提取。

代碼演示

我們再新建一個(gè)項(xiàng)目名為opencv--video3，按照配置屬性(VS2017配置OpenCV通用屬性),然后在源文件寫入#include和main方法

里面加載的圖像還是上次我們用到的test6.mp4，就是那個(gè)我拿一個(gè)按摩器在視頻中移動那個(gè)視頻。

定義參數(shù)

首先我們定義了兩個(gè)Mat和一個(gè)特征點(diǎn)提取的vector

將源圖轉(zhuǎn)換為灰度圖

角點(diǎn)提取

我們在特征提取的時(shí)候當(dāng)時(shí)學(xué)過Shi-Tomasi角點(diǎn)檢測，用到的角點(diǎn)檢測的API就是goodFeaturesToTrack，里面的具體參數(shù)可以看一下當(dāng)時(shí)的文章《C++ OpenCV特征提取之亞像素級角點(diǎn)檢測》里面的定義及說明。這里用到后把上面的灰度圖像中的特征提取出來放到了我們定義的std::vector<cv::Point2f> features里面。

在源圖上畫出特征點(diǎn)

我們把提取出來的特征點(diǎn)通過遍歷后以紅色的圓點(diǎn)形式畫到了源圖上，然后再顯示出來。

整個(gè)部分的代碼

我們看一下運(yùn)行出來的視頻效果

視頻中的截圖

以上是“C++ OpenCV視頻操作之如何實(shí)現(xiàn)KLT稀疏光流對象跟蹤”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！