光流场标出视频前景的运动

最新推荐文章于 2022-10-08 13:39:14 发布

原创最新推荐文章于 2022-10-08 13:39:14 发布 · 270 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉

计算机视觉课程专栏收录该内容

12 篇文章

订阅专栏

本文介绍如何利用光流场技术在视频中标识运动前景，通过代码实现并展示了最终效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

光流场标出视频前景的运动

目的

用光流场方法，标出前景（运动）和背景（静止）。

代码

import numpy as np
import cv2

# 打开摄像头
cap = cv2.VideoCapture(0)

# 角点检测参数（选点30，质量控制参数为0.2，欧拉距离为5，块距离为5）
feature_params = dict( maxCorners = 30,
                       qualityLevel = 0.2,
                       minDistance = 5,
                       blockSize = 5 )

# 光流法参数
lk_params = dict( winSize  = (10,10),
                  maxLevel = 3,
                  criteria = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))

# 产生0-255数值的30个rgb随机颜色数组
color = np.random.randint(0,255,(30,3))

# 获取第一帧，找到角点
ret, old_frame = cap.read()

# 获取第一帧的灰度图
old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY)

# 获取图像中的角点
p0 = cv2.goodFeaturesToTrack(old_gray, mask = None, **feature_params)

# 创建一个蒙版用来画轨迹
mask = np.zeros_like(old_frame)

# 重复进行光流计算及轨迹显示，从而产生动态光流轨迹图
while(1):
    ret,frame = cap.read()
    frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 计算光流
    p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params)

    # 选取好的跟踪点
    good_old = p0[st == 1]
    good_new = p1[st == 1]

    # 画出轨迹
    for i,(new,old) in enumerate(zip(good_new,good_old)):
        a,b = new.ravel()
        c,d = old.ravel()
        mask = cv2.line(mask, (a,b),(c,d), color[i].tolist(), 2)
        frame = cv2.circle(frame,(a,b),5,color[i].tolist(),-1)

    # 背景与前景运动结合
    img = cv2.add(frame,mask)

    # 显示轨迹
    cv2.imshow('frame',img)

    #当按下ESC键时退出显示窗口并关闭摄像头
    if cv2.waitKey(50) == 27:
        cv2.destroyAllWindows()
        cap.release()
        break

    # 更新上一帧的图像和追踪点
    old_gray = frame_gray.copy()
    p0 = good_new.reshape(-1,1,2)