OpenCV | 稠密光流跟踪 - HF

一、API介绍

稠密光流跟踪是将当前帧的所有像素点与前一帧比较，有变化的标记出来。对比的点比较多，不是对比变化的那几个特征点。所以速度较慢。没有稀疏光流的速度快。但有的时候效果比稀疏光流要好。

calcOpticalFlowFarneback() 函数

void cv::calcOpticalFlowFarneback( InputArray _prev0, InputArray _next0,
      OutputArray _flow0, double pyr_scale, int levels, int winsize,
      int iterations, int poly_n, double poly_sigma, int flags )

参数说明如下：
// _prev0：输入前一帧图像
// _next0：输入后一帧图像
// _flow0：输出的光流，记录的是前后帧偏移的量。
// pyr_scale：金字塔上下两层之间的尺度关系
// levels：金字塔层数
// winsize：均值窗口大小，越大越能denoise并且能够检测快速移动目标，但会引起模糊运动区域
// iterations：迭代次数
// poly_n：像素领域大小，一般为5，7等
// poly_sigma：高斯标注差，一般为1-1.5
// flags：计算方法。主要包括OPTFLOW_USE_INITIAL_FLOW和OPTFLOW_FARNEBACK_GAUSSIAN

二、代码演示

#include 
#include 
using namespace cv;
using namespace std;

void drawOpticalFlowHF(const Mat& flowData, Mat& image)
{
	for (int row = 0; row < flowData.rows; row++)
	{
		for (int col = 0; col < flowData.cols; col++)
		{
			const Point2f fxy = flowData.at(row, col);
			if (fxy.x > 2 || fxy.y > 2)
			{
				line(image, Point(col, row), Point(col + fxy.y, row + fxy.x), Scalar(0,255,0), 2, 16);
				circle(image, Point(col, row), 2, Scalar(0, 0, 255), -1);
			}
		}
	}
}

int main()
{
	VideoCapture capture(0);
	if (!capture.isOpened())
	{
		puts("dont open video.");
		system("pause");
		return -1;
	}

	Mat frame, gray, prev_frame, prev_gray, flowResult, flowData;

	// 第一帧
	capture.read(frame);
	cvtColor(frame, prev_gray, COLOR_BGR2GRAY);

	// 从第二帧开始
	while (capture.read(frame))
	{
		cvtColor(frame, gray, COLOR_BGR2GRAY);
		if (!prev_gray.empty())
		{
			calcOpticalFlowFarneback(prev_gray, gray, flowData, 0.5, 3, 15, 3, 5, 1.2, 0);
			cvtColor(prev_gray, flowResult, COLOR_GRAY2BGR);
			drawOpticalFlowHF(flowData, flowResult);
			imshow("flow video", flowResult);
			imshow("input video", frame);
		}

		if (27 == waitKey(60)) break;
	}

	capture.release();
	waitKey(0);
	return 0;
}

三、结果展示

摄像头移动之后：