opencv - 如何在蒙版图像上进行基于网格(密集)的光流？

Question

我正在尝试使用摄像机跟踪多个人。我不想使用 blob 分割技术。我想做什么:

1. 执行背景减法以获得隔离人们运动的掩码。

   1. 在这些区域执行基于网格的光流 -我最好的选择是什么？

我正在努力实现。我已经尝试过 Blob 检测和一些基于光流的示例(稀疏)，稀疏并没有真正为我做这件事，因为我没有从 goodfeaturestotrack() 获得足够的特征点——我想最终得到至少 20 个轨道每个人能够得到的分数，所以这就是为什么我认为基于网格的方法对我来说会更好，我将使用获得的运动向量来对不同的人进行分类(可能在幅度和方向上进行聚类？)

我在 Python 3.5 中使用 opencv3 - 但我在这个领域仍然很菜鸟。非常感谢一些指导!

Answer 1

对于稀疏光流(在 OpenCV 中，金字塔 Lucas Kanade 方法)，您不需要强制性的良好特征跟踪来获得位置。calcOpticalFlowPyrLK 函数允许您估计预定义位置的运动，这些也可以由您提供。因此，只需自己初始化一个 cv::Point2f 网格，例如创建一个点列表并将位置设置为位于您的 Blob 处的网格点，然后运行 ​​calcOpticalFlowPyrLK()。

好的特征跟踪方法的想法是，它为您提供 calcOpticalFlowPyrLK() 结果更有可能准确的点，这是在具有类似边缘的图像位置上结构。但根据我的经验，这并不总是提供最佳特征点集。我更喜欢使用规则网格作为特征点集。