OpenCV基于稠密光流如何实现视频跟踪

这篇“OpenCV基于稠密光流如何实现视频跟踪”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“OpenCV基于稠密光流如何实现视频跟踪”文章吧。

1、概述

案例：基于稠密光流的视频跟踪

API介绍：　　　

calcOpticalFlowFarneback( InputArray prev, InputArray next, InputOutputArray flow,
                                            double pyr_scale, int levels, int winsize,
                                            int iterations, int poly_n, double poly_sigma,
                                            int flags );

• prev：前一帧单通道CV_8UC1图像

• next：当前帧单通道CV_8UC1图像

• flow：输出的光流数据

• pyr_scale:金字塔上下两层的尺度关系

• levels:金字塔层数

• winsize:窗口大小

• iterations:迭代次数

• poly_n:像素领域大小，一般是5、7

• poly_sigma:高斯标准差一般是1~1.5

• flags:计算方法：主要包括OPTFLOW_USE_INITIAL_FLOW和OPTFLOW_FARNEBACK_GAUSSIAN

实现步骤：

1.实例化VideoCapture

2.使用其open方法打开视频文件

3.获取视频第一帧并得到其灰度图（因为稠密光流输入只支持单通道8位）

4.while(true)循环读取视频帧

5.将当前帧灰度化

6.执行稠密光流函数，并输出光流数据

7.将光流数据绘制出来

8.显示光流数据

2、代码示例

（ps：界面中的按钮元素使用到了Qt）

HF_Object_Tracking::HF_Object_Tracking(QWidget *parent)
    : MyGraphicsView{parent}
{
    this->setWindowTitle("稠密光流对象跟踪");
    QPushButton *btn = new QPushButton(this);
    btn->setText("选择视频");
    connect(btn,&QPushButton::clicked,[=](){
        choiceVideo();
    });
}
 
 
void HF_Object_Tracking::choiceVideo(){
    path = QFileDialog::getOpenFileName(this,"请选择视频","/Users/yangwei/Downloads/",tr("Image Files(*.mp4 *.avi)"));
    qDebug()<<"视频路径："<<path;
    hfObjectTracking(path.toStdString().c_str());
}
 
void HF_Object_Tracking::hfObjectTracking(const char* filePath){
    VideoCapture capture;
    capture.open(filePath);
    if(!capture.isOpened()){
        qDebug()<<"视频路径为空";
        return;
    }
    Mat frame,gray;
    Mat prev_frame ,prev_gray;
    Mat flowResult,flowData;
    capture.read(frame);//读取第一帧数据
    //转灰度图
    cvtColor(frame,prev_gray,COLOR_BGR2GRAY);//将frame转灰度图赋值给前一帧
 
    while(capture.read(frame)){
        cvtColor(frame,gray,COLOR_BGR2GRAY);
        if(!prev_gray.empty()){
            //稠密光流跟踪
            calcOpticalFlowFarneback(prev_gray,gray,flowData, 0.5, 3, 15, 3, 5, 1.2, 0);
            cvtColor(prev_gray, flowResult, COLOR_GRAY2BGR);
            for (int row = 0; row < flowResult.rows; row++) {
                for (int col = 0; col < flowResult.cols; col++) {
                    const Point2f fxy = flowData.at<Point2f>(row, col);
                    if (fxy.x > 1 || fxy.y > 1) {
                        line(flowResult, Point(col, row), Point(cvRound(col + fxy.x), cvRound(row + fxy.y)), Scalar(0, 255, 0), 2, 8, 0);
                        circle(flowResult, Point(col, row), 2, Scalar(0, 0, 255), -1);
                    }
                }
            }
            imshow("flow", flowResult);
            imshow("input", frame);
        }
//        imshow("frame",frame);
        int key = waitKey(1);
        if(key==27){
            break;
        }
    }
 
}

以上就是OpenCV基于稠密光流如何实现视频跟踪的详细内容，更多关于OpenCV基于稠密光流如何实现视频跟踪的资料请关注九品源码其它相关文章！