介紹

光流是由物體或照相機的運動引起的兩個連續幀之間圖像物體視在運動的模式。它是2D向量場，其中每個向量都是位移向量，顯示點從第一幀到第二幀的運動。

光流在以下領域有許多應用：

• 運動結構
• 視頻壓縮
• 視頻穩定

光流的工作基于以下幾個假設：

• 物體的像素強度在連續的幀之間不改變。
• 相鄰像素具有相似的運動。

實現

在OpenCV中實現光流的步驟

1 查找一些關鍵點

在例子中我們用goodFeaturesToTrack函數來查找關鍵點。函數原型：

void cv::goodFeaturesToTrack( InputArray _image, OutputArray _corners,
                              int maxCorners, double qualityLevel, double minDistance,
                              InputArray _mask, int blockSize,
                              bool useHarrisDetector, double harrisK )

2 迭代跟蹤這些點

例子中用calcOpticalFlowPyrLK來計算光流。函數原型：

void cv::calcOpticalFlowPyrLK( InputArray _prevImg, InputArray _nextImg,
                               InputArray _prevPts, InputOutputArray _nextPts,
                               OutputArray _status, OutputArray _err,
                               Size winSize, int maxLevel,
                               TermCriteria criteria,
                               int flags, double minEigThreshold )

根據我的理解，在當前幀查找一些關鍵點，然后根據這些關鍵點，在下一幀進行匹配，得到這些點在下一幀的位置。這樣就得到了了一組向量，表示了當前幀和下一幀之前點的移動，也就實現了對一些物體的跟蹤。

官方例子

#include 
#include 
#include 
#include 
#include 
#include 


using namespace cv;
using namespace std;


int main(int argc, char **argv)
{
    const string about =
        "This sample demonstrates Lucas-Kanade Optical Flow calculation.\\n"
        "The example file can be downloaded from:\\n"
        "  https://www.bogotobogo.com/python/OpenCV_Python/images/mean_shift_tracking/slow_traffic_small.mp4";
    const string keys =
        "{ h help |      | print this help message }"
        "{ @image | vtest.avi | path to image file }";
    CommandLineParser parser(argc, argv, keys);
    parser.about(about);
    if (parser.has("help"))
    {
        parser.printMessage();
        return 0;
    }
    string filename = samples::findFile(parser.get

運行結果截圖

審核編輯：劉清