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：

实例化VideoCapture

使用其open方法打开视频文件

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）

while(true)循环读取视频帧

将当前帧灰度化

执行稠密光流函数，并输出光流数据

将光流数据绘制出来

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;        }    } }

以上就是关于“OpenCV基于稠密光流如何实现视频跟踪”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注编程网行业资讯频道。