使用光流的 OpenCV 跟踪
Posted
技术标签:
【中文标题】使用光流的 OpenCV 跟踪【英文标题】:OpenCV tracking using optical flow 【发布时间】:2012-03-30 20:55:15 【问题描述】:我使用它作为我的跟踪算法的基础。
//1. detect the features
cv::goodFeaturesToTrack(gray_prev, // the image
features, // the output detected features
max_count, // the maximum number of features
qlevel, // quality level
minDist); // min distance between two features
// 2. track features
cv::calcOpticalFlowPyrLK(
gray_prev, gray, // 2 consecutive images
points_prev, // input point positions in first im
points_cur, // output point positions in the 2nd
status, // tracking success
err); // tracking error
cv::calcOpticalFlowPyrLK
将前一张图像中的点向量作为输入,并在下一张图像上返回适当的点。假设我在上一张图像上有随机像素 (x, y),如何使用 OpenCV 光流函数计算该像素在下一张图像上的位置?
【问题讨论】:
【参考方案1】:在您编写时,cv::goodFeaturesToTrack
将图像作为输入并生成它认为“易于跟踪”的点向量。这些是根据它们从周围环境中脱颖而出的能力来选择的,并且是基于图像中的哈里斯角。跟踪器通常会通过将第一张图像传递给 goodFeaturesToTrack 并获得一组要跟踪的特征来初始化。然后这些特征可以作为前面的点传递给cv::calcOpticalFlowPyrLK
,连同序列中的下一个图像,它将产生下一个点作为输出,然后在下一次迭代中成为输入点。
如果您想尝试跟踪一组不同的像素(而不是由cv::goodFeaturesToTrack
或类似函数生成的特征),只需将这些与下一张图像一起提供给cv::calcOpticalFlowPyrLK
。
很简单,在代码中:
// Obtain first image and set up two feature vectors
cv::Mat image_prev, image_next;
std::vector<cv::Point> features_prev, features_next;
image_next = getImage();
// Obtain initial set of features
cv::goodFeaturesToTrack(image_next, // the image
features_next, // the output detected features
max_count, // the maximum number of features
qlevel, // quality level
minDist // min distance between two features
);
// Tracker is initialised and initial features are stored in features_next
// Now iterate through rest of images
for(;;)
image_prev = image_next.clone();
feature_prev = features_next;
image_next = getImage(); // Get next image
// Find position of feature in new image
cv::calcOpticalFlowPyrLK(
image_prev, image_next, // 2 consecutive images
points_prev, // input point positions in first im
points_next, // output point positions in the 2nd
status, // tracking success
err // tracking error
);
if ( stopTracking() ) break;
【讨论】:
我注意到您只进行一次特征检测。我已经测试了这段代码。我发现只能跟踪在第一张图像上检测到的特征。如果所有这些特征都超出了图像的范围,那么就没有要跟踪的特征了。我需要使用光流进行 3D 构建。那么我们如何在不断跟踪旧特征的同时添加新的图像特征呢?谢谢。 是的,您只检测带有goodFeaturesToTrack
的特征,然后光流方法简单地跟踪它们。如果要在每一帧中保持一定数量的特征,则必须检测有多少特征被成功跟踪到当前帧,然后尝试检测其他要跟踪到下一帧的特征。另一种方法是检测每一帧中的特征,然后计算描述符并使用this page 上的函数匹配这些描述符。
如果您需要更多详细信息,最好提出一个新问题。
由于我使用视频序列,我更喜欢使用光流进行特征匹配。如果我在每一帧中都检测到特征,那么这些特征将不会被稳定地跟踪,因为这次检测到的特征可能下次检测不到。谢谢回复。但我不明白如何“检测额外的”?例如,如果我在第一帧中检测到 100 个特征,现在视野中只有 50 个,我如何在保持旧的 50 个的同时检测到额外的 50 个特征?我认为唯一的解决方案是运行 goodFeaturesToTrack 来检测一组新的 100 个特征,对吧?
我已经发布了一个新问题:***.com/questions/10159236/…【参考方案2】:
cv::calcOpticalFlowPyrLK(..) 函数使用参数:
cv::calcOpticalFlowPyrLK(prev_gray, curr_gray, features_prev, features_next, status, err);
cv::Mat prev_gray, curr_gray;
std::vector<cv::Point2f> features_prev, features_next;
std::vector<uchar> status;
std::vector<float> err;
在下一帧中查找像素的最简单(部分)代码:
features_prev.push_back(cv::Point(4, 5));
cv::calcOpticalFlowPyrLK(prev_gray, curr_gray, features_prev, features_next, status, err);
如果像素被成功找到status[0] == 1
和features_next[0]
将在下一帧显示像素的坐标。此示例中可以找到值信息:OpenCV/samples/cpp/lkdemo.cpp
【讨论】:
以上是关于使用光流的 OpenCV 跟踪的主要内容,如果未能解决你的问题,请参考以下文章