Ios 视频图像分析-检测快速移动/忽略慢速移动

我希望在iPhone上捕获视频，并在识别出快动作后启动捕获，在检测到慢动作或无动作时停止

下面是一个用例来说明：

如果有人拿着iPhone摄像头，背景没有移动，但他的手不稳定，左/右/上/下移动缓慢，则此移动应视为缓慢

如果有人快速跑进摄像机的视野，这将被视为记录的快速移动

如果有人慢慢走进摄像机的视野，这将被认为是缓慢的，不应该被拿起

我在考虑OpenCV，并认为使用他们的运动检测和光流算法可能有点过头了。我正在考虑一种轻量级的方法，直接访问图像像素，也许检查亮度/亮度级别的变化

我只需要处理30-40%的视频帧区域的运动（例如屏幕的上半部分），也许可以拾取其他像素进行处理。使用轻量级算法的原因是，它需要非常快<4ms，因为它将以高帧速率处理传入的视频缓冲帧

通过直接检查图像像素，欣赏对替代图像处理/快速运动检测例程的任何想法

类calcOpticalFlowFarneback的稠密光流

使用运动历史

2.1更新历史记录（silh、mhi、时间戳、mhi_持续时间）

2.2计算运动半径（mhi、遮罩、方向、最大时间增量、最小时间增量

2.3分段运动（mhi、segmask、区域、时间戳、最大时间增量）

2.4 calcGlobalOrientation（定向投资回报率、掩模投资回报率、mhi投资回报率等）

类calcOpticalFlowFarneback的稠密光流

使用运动历史

2.1更新历史记录（silh、mhi、时间戳、mhi_持续时间）

2.2计算运动半径（mhi、遮罩、方向、最大时间增量、最小时间增量

2.3分段运动（mhi、segmask、区域、时间戳、最大时间增量）

2.4 calcGlobalOrientation（定向投资回报率、掩模投资回报率、mhi投资回报率等）

---

我看到三种方法：1.密集光流2.非常好的对象分割和语义理解与一些特征匹配相结合。两者都太慢，2.不可能发展。祝你好运。第三种方法是一些一般的运动稳定与稀疏特征匹配相结合。不确定这是否足够快d足够健壮。一般来说，你可能会在区分远快和近慢运动方面遇到问题。我看到三种方法：1.密集的光流2.非常好的对象分割和语义理解，再加上一些特征匹配。两者都太慢，2.不可能发展。祝你好运。第三种方法将是一些新的方法随机运动稳定与稀疏特征匹配相结合。不确定这是否足够快和足够健壮。一般来说，你可能难以区分远快速运动和近慢速运动。