C++ 如何使用像Farneback'；s

我已经可以使用在OpenCV中实现的Lucas Kanade跟踪SIFT或SURF特征，因为Lucas Kanade以任何方式跟踪稀疏特征，但是我尝试使用在OpenCV中实现的Farneback光流算法跟踪这些稀疏特征，有算法吗

请查看此视频：

---

开发人员声称，他们使用密集方法“Farneback”而不是稀疏方法“Lucas Kanade”跟踪选定的稀疏特征。他们是如何做到的？

OpenCV中有一个函数可以做到这一点。

要跟踪具有密集光流场

流的特征，可以按以下步骤进行：

// read images    
cv:Mat prevImg = cv::imread( filename0 ); // image data at time t
cv::Mat currImg = cv::imread( filename1 ); // image data at time t and t + 1
cv::Mat flowMat; // storage for dese optical flow field
std::vector<cv::Point2f> prevPoints; // points to be track

// initialize points to track (example)
prevPoints.push_back( cv::Point2f( 50.3f, 30.f ) );
std::vector<cv::Point2f> currPoints( prevPoints.size()); // tracked point position

 // compute dense flow field (example)
cv::calcOpticalFlowFarneback(prevImg, currImg, flowMat, 0.4, 1, 12, 2, 8, 1.2, 0);

// track points based on dense optical flow field and bilinear interpolation
for( unsigned int n = 0; n < prevPoints.size(); ++n )
{
  float ix = floor(prevPoints[n].x);
  float iy = floor(prevPoints[n].y);
  float wx = prevPoints[n].x - ix;
  float wy = prevPoints[n].y - iy;
  float w00 = (1.f - wx) * (1.f - wy);
  float w10 = (1.f - wx) * wy;
  float w01 = wx * (1.f - wy);
  float w11 = wx * wy;
  if( prevPoints[n].x >= flowMat.cols - 1 || prevPoints[n].y >= flowMat.rows - 1)
  {
    // these points are out of the image roi and cannot be tracked.
    currPoints[n] = prevPoints[n];
  }
  else
  {
   /*
   bilinear interpolation of the flow vector from the flow field at a given location.
   The bilinear interpolation has to be applied since the points to track can be given at subpixel level 
   */
   currPoints[n] = prevPoints[n] 
                 + flowMat.at<cv::Point2f>(iy, ix) * w00 
                 + flowMat.at<cv::Point2f>(iy+1, ix) * w10 
                 + flowMat.at<cv::Point2f>(iy, ix+1) * w01 
                 + flowMat.at<cv::Point2f>(iy+1, ix+1) * w11;
  }
}

}

//读取图像
cv:Mat prevImg=cv:：imread（filename0）；//时间t处的图像数据
cv:：Mat currImg=cv:：imread（文件名1）；//时间t和t+1处的图像数据
cv:：Mat flowMat；//dese光流场的存储
std：：向量prevPoints；//要跟踪的点
//初始化要跟踪的点（示例）
前推点（cv:：Point2f（50.3f，30.f））；
std:：向量currPoints（prevPoints.size（））；//跟踪点位置
//计算稠密流场（示例）
cv：：calcOpticalFlowFarneback（prevImg，currImg，flowMat，0.4,1,12,2,8,1.2,0）；
//基于稠密光流场和双线性插值的跟踪点
for（无符号整数n=0；n=flowMat.cols-1 | | prevPoints[n].y>=flowMat.rows-1）
{
//这些点位于图像roi之外，无法跟踪。
currPoints[n]=prevPoints[n]；
}
其他的
{
/*
从给定位置的流场中对流矢量进行双线性插值。
由于要跟踪的点可以在亚像素级给出，因此必须应用双线性插值
*/
currPoints[n]=prevPoints[n]
+流量表at（iy，ix）*w00
+流量表（iy+1，ix）*w10
+流量表at（iy，ix+1）*w01
+在（iy+1，ix+1）*w11处的流程图；
}
}
}
我知道这个函数，Farneback的方法为每个像素提供了一个密集的运动场，但我的问题是如何使用Farneback的函数跟踪一组稀疏的关键点或特征。非常感谢，我正在测试您的代码。最后一个问题：flowMat.at（iy，ix）*cv:：Point2f（w00，w00）->这是元素乘法还是叉积？因为这在opencv中不起作用。对不起，我刚刚意识到2D向量的叉积没有意义，所以我假设你指的是元素乘法。谢谢，它有点起作用，但我必须修复一些东西。对不起。我希望现在情况好转。我忘了cv:：Point2f有一个使用浮点数的重载乘法运算符。谢谢，我们不应该累加位置：currPoints[n]=currPoints[n]+（flowMat.at（iy，ix）*w00+flowMat.at（iy+1，ix）*w10+flowMat.at（iy，ix+1）*w01+flowMat.at（iy+1，ix+1）*w11）；