opencv 光流法对运动目标跟踪Video

     首先利用goodFeaturesToTrack函数得到图像中的强边界作为跟踪的特征点，接下来要调用calcOpticalFlowPyrLK函数，输入两幅连续的图像，并在第一幅图像里选择一组特征点，输出为这组点在下一幅图像中的位置。再把得到的跟踪结果过滤一下，去掉不好的特征点。再把特征点的跟踪路径标示出来。

    测试视频文件：

     birk.rar

 

code：

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

using namespace std;
using namespace cv;
 

void tracking(Mat &frame, Mat &output);
 
bool addNewPoints();
 
bool acceptTrackedPoint(int i);
 

string window_name = "optical flow tracking";
 
Mat gray;        // 当前图片
 
Mat gray_prev;        // 预测图片
 
vector points[2];        // point0为特征点的原来位置，point1为特征点的新位置
 
vector initial;        // 初始化跟踪点的位置
 
vector features;        // 检测的特征
 
int maxCount = 500;        // 检测的最大特征数
 
double qLevel = 0.01;        // 特征检测的等级
 
double minDist = 10.0;        // 两特征点之间的最小距离
 
vector status;        // 跟踪特征的状态，特征的流发现为1，否则为0
 
vector err;
 

int main()
 
{
 
        Mat frame;
 
        Mat result;
 

//         CvCapture* capture = cvCaptureFromCAM( -1 );        // 摄像头读取文件开关
 
        VideoCapture capture("C:\\Users\\zxl\\Desktop\\bike.avi");
 

        if(capture.isOpened()/*capture*/)        // 摄像头读取文件开关
 
        {
 
                while(true)
 
                {
 
//                         frame = cvQueryFrame( capture );        // 摄像头读取文件开关
 
                        capture >> frame;
 

                        if(!frame.empty())
 
                        { 
                                tracking(frame, result);
 
                        }
 
                        else
 
                        { 
                                printf(" --(!) No captured frame -- Break!");
 
                                break;
 
                        }
 

                        int c = waitKey(100);
 
                        if( (char)c == 27 )
 
                        {
 
                                break; 
                        } 
                }
 
        }
 
        return 0;
 
}
 

//////////////////////////////////////////////////////////////////////////
 
// function: tracking
 
// brief: 跟踪
 
// parameter: frame        输入的视频帧
 
//                          output 有跟踪结果的视频帧
 
// return: void
 
//////////////////////////////////////////////////////////////////////////
 
void tracking(Mat &frame, Mat &output)
 
{
 
        cvtColor(frame, gray, CV_BGR2GRAY);
 
        frame.copyTo(output);
 
        // 添加特征点
 
        if (addNewPoints())
 
        {
 
                goodFeaturesToTrack(gray, features, maxCount, qLevel, minDist);
 
                points[0].insert(points[0].end(), features.begin(), features.end());
 
                initial.insert(initial.end(), features.begin(), features.end());
 
        }
 

        if (gray_prev.empty())
 
        {
 
                gray.copyTo(gray_prev);
 
        }
 
        // l-k光流法运动估计
 
        calcOpticalFlowPyrLK(gray_prev, gray, points[0], points[1], status, err);
 
        // 去掉一些不好的特征点
 
        int k = 0;
 
        for (size_t i=0; i 2);
 
}