OpenCV C+中用于跟踪目标的背景减法和光流+; 我正在使用背景减法来检测感兴趣的物体,并用OpenCV C++中的光流跟踪它们。我能够通过背景减法检测出感兴趣的物体。我能够在单独的程序上实现OpenCV Lucas Kanade光流。但是,我被困在如何将这两个程序放在一个程序中frame1保存视频中的实际帧,contours2是从前景对象中选择的轮廓
总而言之,如何将通过背景减法获得的上述对象馈送到OpenCV C+中用于跟踪目标的背景减法和光流+; 我正在使用背景减法来检测感兴趣的物体,并用OpenCV C++中的光流跟踪它们。我能够通过背景减法检测出感兴趣的物体。我能够在单独的程序上实现OpenCV Lucas Kanade光流。但是,我被困在如何将这两个程序放在一个程序中frame1保存视频中的实际帧,contours2是从前景对象中选择的轮廓,opencv,opticalflow,background-subtraction,Opencv,Opticalflow,Background Subtraction,总而言之,如何将通过背景减法获得的上述对象馈送到calcOpticalFlowPyrLK?或者,如果我的方法错误,请帮助我。先谢谢你 Mat mask = Mat::zeros(fore.rows, fore.cols, CV_8UC1); drawContours(mask, contours2, -1, Scalar(255), 4, CV_FILLED); if (first_frame) { goodFeaturesToTrack(mask, f
calcOpticalFlowPyrLK
?或者,如果我的方法错误,请帮助我。先谢谢你
Mat mask = Mat::zeros(fore.rows, fore.cols, CV_8UC1);
drawContours(mask, contours2, -1, Scalar(255), 4, CV_FILLED);
if (first_frame)
{
goodFeaturesToTrack(mask, features_next, 1000, 0.01, 10, noArray(), 3, false, 0.04);
fm0 = mask.clone();
features_prev = features_next;
first_frame = false;
}
else
{
features_next.clear();
if (!features_prev.empty())
{
calcOpticalFlowPyrLK(fm0, mask, features_prev, features_next, featuresFound, err, winSize, 3, termcrit, 0, 0.001);
for (int i = 0; i < features_prev.size(); i++)
line(frame1, features_prev[i], features_next[i], CV_RGB(0, 0, 255), 1, 8);
imshow("final optical", frame1);
waitKey(1);
}
goodFeaturesToTrack(mask, features_next, 1000, 0.01, 10, noArray(), 3, false, 0.04);
features_prev = features_next;
fm0 = mask.clone();
}
Mat mask=Mat::零(fore.rows、fore.cols、CV_8UC1);
绘制轮廓(掩模,轮廓2,-1,标量(255),4,CV_填充);
if(第一帧)
{
良好特性跟踪(掩码,特性_next,1000,0.01,10,noArray(),3,false,0.04);
fm0=mask.clone();
特征\上一个=特征\下一个;
第一帧=假;
}
其他的
{
特性_next.clear();
如果(!features_prev.empty())
{
calcOpticalFlowPyrLK(fm0,掩码,特征上一个,特征下一个,特征查找,错误,winSize,3,termcrit,0,0.001);
对于(int i=0;i
我认为OpenCV中的背景减法输出不是灰度图像。对于输入光流,我们需要灰度图像。您使用光流进行跟踪的方法是错误的。光流方法背后的思想是,两幅连续图像中的运动点在起点和终点具有相同的像素强度。这意味着通过从开始图像观察feautre的外观并在结束图像中搜索结构(非常简单)来估计feautre的运动
calcOpticalFlowPyrLK是一个点跟踪器,意味着先前图像中的点被跟踪到当前图像。因此,这些方法需要系统的原始灰度图像。因为它只能估计结构化/纹理区域上的运动(图像中需要x和y渐变)
我认为您的代码应该执行以下操作: