OpenCV C++光流法進行運動目标檢測

• 什麼是光流
• 程式說明
• 代碼
• 運作效果

什麼是光流

光流（optical flow）是空間運動物體在觀察成像平面上的像素運動的瞬時速度。

光流法是利用圖像序列中像素在時間域上的變化以及相鄰幀之間的相關性來找到上一幀跟目前幀之間存在的對應關系，進而計算出相鄰幀之間物體的運動資訊的一種方法。

通常将二維圖像平面特定坐标點上的灰階瞬時變化率定義為光流矢量。

換言之：光流用來指定時變圖像中運動模式的運動速度，因為當物體在運動時，在圖像上對應點的亮度模式也在運動。這種圖像亮度模式的表觀運動就是光流。

程式說明

// 程式描述：來自OpenCV安裝目錄下Samples檔案夾中的官方示例程式-利用光流法進行運動目标檢測

// 作業系統： Windows 10 64bit

// 開發語言： C++

// IDE 版 本：Visual Studio 2019

// OpenCV版本：4.20

代碼

#include <opencv2/video/video.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <iostream>
#include <cstdio>

using namespace std;
using namespace cv;

//-----------------------------------【全局函數聲明】-----------------------------------------
//		描述：聲明全局函數
//-------------------------------------------------------------------------------------------------
void tracking(Mat& frame, Mat& output);
bool addNewPoints();
bool acceptTrackedPoint(int i);

//-----------------------------------【全局變量聲明】-----------------------------------------
//		描述：聲明全局變量
//-------------------------------------------------------------------------------------------------
string window_name = "optical flow tracking";
Mat gray;	// 目前圖檔
Mat gray_prev;	// 預測圖檔
vector<Point2f> points[2];	// point0為特征點的原來位置，point1為特征點的新位置
vector<Point2f> initial;	// 初始化跟蹤點的位置
vector<Point2f> features;	// 檢測的特征
int maxCount = 500;	// 檢測的最大特征數
double qLevel = 0.01;	// 特征檢測的等級
double minDist = 10.0;	// 兩特征點之間的最小距離
vector<uchar> status;	// 跟蹤特征的狀态，特征的流發現為1，否則為0
vector<float> err;

//-----------------------------------【main( )函數】--------------------------------------------
//		描述：控制台應用程式的入口函數，我們的程式從這裡開始
//-------------------------------------------------------------------------------------------------
int main()
{

	Mat frame;
	Mat result;

	VideoCapture capture(0);

	if (capture.isOpened())	// 攝像頭讀取檔案開關
	{
		while (true)
		{
			capture >> frame;

			if (!frame.empty())
			{
				tracking(frame, result);
			}
			else
			{
				printf(" --(!) No captured frame -- Break!");
				break;
			}

			int c = waitKey(50);
			if ((char)c == 27)
			{
				break;
			}
		}
	}
	return 0;
}

//-------------------------------------------------------------------------------------------------
// function: tracking
// brief: 跟蹤
// parameter: frame	輸入的視訊幀
//			  output 有跟蹤結果的視訊幀
// return: void
//-------------------------------------------------------------------------------------------------
void tracking(Mat& frame, Mat& output)
{

	//此句代碼的OpenCV3版為：
	cvtColor(frame, gray, COLOR_BGR2GRAY);
	//此句代碼的OpenCV2版為：
	//cvtColor(frame, gray, CV_BGR2GRAY);

	frame.copyTo(output);

	// 添加特征點
	if (addNewPoints())
	{
		goodFeaturesToTrack(gray, features, maxCount, qLevel, minDist);
		points[0].insert(points[0].end(), features.begin(), features.end());
		initial.insert(initial.end(), features.begin(), features.end());
	}

	if (gray_prev.empty())
	{
		gray.copyTo(gray_prev);
	}
	// l-k光流法運動估計
	calcOpticalFlowPyrLK(gray_prev, gray, points[0], points[1], status, err);
	// 去掉一些不好的特征點
	int k = 0;
	for (size_t i = 0; i < points[1].size(); i++)
	{
		if (acceptTrackedPoint(i))
		{
			initial[k] = initial[i];
			points[1][k++] = points[1][i];
		}
	}
	points[1].resize(k);
	initial.resize(k);
	// 顯示特征點和運動軌迹
	for (size_t i = 0; i < points[1].size(); i++)
	{
		line(output, initial[i], points[1][i], Scalar(0, 0, 255));
		circle(output, points[1][i], 3, Scalar(0, 255, 0), -1);
	}

	// 把目前跟蹤結果作為下一此參考
	swap(points[1], points[0]);
	swap(gray_prev, gray);

	imshow(window_name, output);
}

//-------------------------------------------------------------------------------------------------
// function: addNewPoints
// brief: 檢測新點是否應該被添加
// parameter:
// return: 是否被添加标志
//-------------------------------------------------------------------------------------------------
bool addNewPoints()
{
	return points[0].size() <= 10;
}

//-------------------------------------------------------------------------------------------------
// function: acceptTrackedPoint
// brief: 決定哪些跟蹤點被接受
// parameter:
// return:
//-------------------------------------------------------------------------------------------------
bool acceptTrackedPoint(int i)
{
	return status[i] && ((abs(points[0][i].x - points[1][i].x) + abs(points[0][i].y - points[1][i].y)) > 2);
}
           

運作效果

可調用攝像頭視訊，也可讀取本地視訊；下面是攝像頭捕獲視訊，光流法追蹤效果