gpt4 book ai didi

python - Lucas-Kanade 方法的光流?

转载 作者:太空宇宙 更新时间:2023-11-03 21:26:00 25 4
gpt4 key购买 nike

OpenCV tutorials-python中给出的方法在处理上有一些延迟,就像以0.5速度播放视频,你能推荐其他任何可以忽略不计地获得光流特征(位移矢量场)的方法吗延迟?

import cv2
import numpy as np
cap = cv2.VideoCapture("vtest.avi")

ret, frame1 = cap.read()
prvs = cv2.cvtColor(frame1,cv2.COLOR_BGR2GRAY)
hsv = np.zeros_like(frame1)
hsv[...,1] = 255

while(1):
ret, frame2 = cap.read()
next = cv2.cvtColor(frame2,cv2.COLOR_BGR2GRAY)

flow = cv2.calcOpticalFlowFarneback(prvs,next, None, 0.5, 3, 15, 3, 5, 1.2, 0)

mag, ang = cv2.cartToPolar(flow[...,0], flow[...,1])
hsv[...,0] = ang*180/np.pi/2
hsv[...,2] = cv2.normalize(mag,None,0,255,cv2.NORM_MINMAX)
rgb = cv2.cvtColor(hsv,cv2.COLOR_HSV2BGR)

cv2.imshow('frame2',rgb)
k = cv2.waitKey(30) & 0xff
if k == 27:
break
elif k == ord('s'):
cv2.imwrite('opticalfb.png',frame2)
cv2.imwrite('opticalhsv.png',rgb)
prvs = next

cap.release()
cv2.destroyAllWindows()

最佳答案

首先,您在代码中使用的方法不是 Lucas-Kanade。您正在使用 calcOpticalFlowFarneback 函数,即 Farneback运动估计方法。

总的来说,光流是一个相当重的算法,这真的取决于你的需要。您主要有两种类型的方法 - 稀疏和密集:

  • calcOpticalFlowFarneback是一个密集算法,这意味着它生成一个流矩阵为你的框架的大小,它实际上计算了每一个的流量像素。
  • calcOpticalFlowPyrLK(Lucas-Kanade) 方法是一种稀疏方法,只采用指定的像素数并计算其上的流量。

如果你想要更好的性能,你可能想尝试 Lucas-Kanade 方法。
看看这个OpenCV Optical Flow Tutorial ,你有 Farneback 和 Lucas-Kanade 的两个例子。

在 Lucas-Kanade 示例中,他们使用了 goodFeaturesToTrack方法生成的像素数量在这种运动估计算法中很适合跟踪。根据您的需要,您可能想使用此方法或自己定义一些像素。
请注意,您当然可以更改处理像素的数量,从而更改算法的处理时间。

您可能想要结帐 this answer同样,即使它适用于 DualTVL1 方法,它也可能适用于其他方法。

关于python - Lucas-Kanade 方法的光流?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37656713/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com