C++ OpenCV如何實現KLT稀疏光流跟蹤

這篇文章主要介紹了C++ OpenCV如何實現KLT稀疏光流跟蹤，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

實現原理

首先要在初始幀中檢測特征點，之后在下一幀中嘗試跟蹤這些點。你必須找到新的圖像幀中這些點的位置，因此，你必須在特征點的先前位置附近進行搜索，以找到下一幀中它的新位置。輸入兩個連續的圖像幀以及第一幅圖像中檢測到的特征點數組，該函數將返回一組新的特征點為位置。為了跟蹤完整的序列，你需要在幀與幀之間重復這個過程，不可避免地你也會丟失其中一些點，于是被跟蹤的特征點數目會減少。為了解決這個問題，我們可以不時地檢測新的特征值。

函數API

 calcOpticalFlowPyrLK( InputArray prevImg, InputArray nextImg,
                                        InputArray prevPts, InputOutputArray nextPts,
                                        OutputArray status, OutputArray err,
                                        Size winSize = Size(21,21), int maxLevel = 3,
                                        TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01),
                                        int flags = 0, double minEigThreshold = 1e-4 );

參數說明：

prevImg： 第一幀（跟蹤圖像的前一幀，一般是定位特征點）
nextImg： 第二幀/當前幀
prev_Pts： 第一幀特征點集
next_Pts： 計算輸出的第二幀光流特征點集
status ：  狀態標志位，如果對應特征的光流被發現，數組中的每一個元素都被設置為 1， 否則設置為 0。
err：雙精度數組，包含原始圖像碎片與移動點之間的誤差。

代碼演示

我們還是用接著上一章的DEMO，繼續往下做

定義基本數據

上面的API也提到我們會檢測當前幀和前一帖進行處理，所以我們要先定義關于前一幀及當前幀的一些相關數據，下圖紅框內就是我們定義的用于處理的基本數據。

然后在檢測到特征點后判斷前一幀灰度圖是否存在，如果不存在先復制過來

檢測新的特征點

上面紅線標的就是我閃可能在檢測過程中出現的問題，所以我們這里也要改造一下檢測，用我們定義的ftps的參數里面設置一個數值，用于檢測如果數值小于我們設置的數后就重新檢測特征點。我們改造一下尋找特征點這塊。

先放一下原先的檢測代碼，紅框部分是我們要改造地部分

下面這張是我們改造后的源代碼

上面可以看出，我們把檢測出的特征點數組存放到了fpts[0]中，當前一幀的特征點小于30后我們將重新檢測，然后把檢測出的結果存放到前一幀fpts[0]和初始化的特征點IniPoints里，最后再打印一個字符，可以從命令行里看到當前狀態是在檢測特征點，當特征點大于30時我們就打印一個檢測的字符。

實現稀疏光流跟蹤

首先我們先在最上方定義一個HLK跟蹤的方法及跟蹤成功的狀態和誤差參數

然后我們在寫這個方法，這里就用到了我們的calcOpticalFlowPyrLK函數API

然后在上面的跟蹤那里加入這個方法

繪制源圖

最后在源圖上畫出特征點并把當前幀數據放到前一幀里，由于我們把前一幀數據已經轉移到了fpts[0]里，所以這里也改為過來，然后我們又加入了畫出直線的一個操作，用于觀察移動的原點與現在的一個距離。

下面是視頻中的截圖

感謝你能夠認真閱讀完這篇文章，希望小編分享的“C++ OpenCV如何實現KLT稀疏光流跟蹤”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!