Question

OpenCV教程-python中给出的方法在处理上有一些延迟，就像以0.5倍的速度播放视频一样，你能否建议任何其他方法可以获得光流特征（位移矢量场），而忽略不计延迟？

import cv2
import numpy as np
cap = cv2.VideoCapture("vtest.avi")

ret, frame1 = cap.read()
prvs = cv2.cvtColor(frame1,cv2.COLOR_BGR2GRAY)
hsv = np.zeros_like(frame1)
hsv[...,1] = 255

while(1):
    ret, frame2 = cap.read()
    next = cv2.cvtColor(frame2,cv2.COLOR_BGR2GRAY)

    flow = cv2.calcOpticalFlowFarneback(prvs,next, None, 0.5, 3, 15, 3, 5, 1.2, 0)

    mag, ang = cv2.cartToPolar(flow[...,0], flow[...,1])
    hsv[...,0] = ang*180/np.pi/2
    hsv[...,2] = cv2.normalize(mag,None,0,255,cv2.NORM_MINMAX)
    rgb = cv2.cvtColor(hsv,cv2.COLOR_HSV2BGR)

    cv2.imshow('frame2',rgb)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break
    elif k == ord('s'):
        cv2.imwrite('opticalfb.png',frame2)
        cv2.imwrite('opticalhsv.png',rgb)
    prvs = next

cap.release()
cv2.destroyAllWindows()

Answer 1

首先，您在代码中使用的方法是不 Lucas-Kanade。您正在使用calcOpticalFlowFarneback函数，这是用于运动估算的Farneback方法。

一般来说，光流是一个非常繁重的算法，它实际上取决于您的需求。你主要有两种方法 - 稀疏和密集：

calcOpticalFlowFarneback 是一种密集算法，这意味着它生成一个流矩阵你的框架的大小，实际上计算每个框架的流量像素。
calcOpticalFlowPyrLK （Lucas-Kanade）方法是一种只采用指定的稀疏方法像素数并计算它们的流量。

如果你想要更好的表现，你可能想尝试Lucas-Kanade方法看看这个OpenCV Optical Flow Tutorial，你有Farneback和Lucas-Kanade两个例子。

在Lucas-Kanade示例中，他们使用goodFeaturesToTrack方法生成在这种运动估计算法中有利于跟踪的像素数。取决于您的需求，您可能想要使用此方法或自己定义一些像素请注意，您当然可以更改已处理像素的数量，并通过更改算法的处理时间。

您可能也希望结帐this answer，即使它适用于DualTVL1方法，它也可能适用于其他方法。

Lucas-Kanade方法的光流？

1 个答案: