Wie funktioniert KLT-Arbeit in OpenCV?

Ich bin gespannt, was die Logik hinter KLT in openCV.

Ab, was ich bislang bekannten, die Bilder gesendet zu finden, optischer Fluss in OpenCV wird zunächst in Graustufen umgewandelt.

Was ich bin neugierig ist, dass beim ausführen des Algorithmus, müssen wir die features für die Berechnung. Was sind die Merkmale verwendet, um die optical-flow-Methode in openCV?

Danke 🙂

  • wahrscheinlich harris-Ecken oder gute-Funktionen-zu-Spur.
InformationsquelleAutor ra bes | 2013-09-18
  1. 19

    Gibt es 2 Arten von "optischer Fluss". Dicht und spärlich.
    Dichten findet Volumenstrom für alle Pixel, während die spärlichen Funde flow für die ausgewählten Punkte.

    Die ausgewählten Punkte können vom Benutzer vorgegeben, oder automatisch ermittelt, mit einer der feature-Detektoren zur Verfügung, die in OpenCV. Die meisten gemeinsamen feature-Detektoren gehören GoodFeaturesToTrack, mit dem man Ecken mit cornerHarris oder cornerMinEigenVal

    Die feature-Liste wird dann an die KLT-Tracker calcOpticalFlowPyrLK.

    Feature können einen beliebigen Punkt im Bild. Die meisten gemeinsamen Merkmale sind Ecken und Kanten.

    • Macht den spärlichen Fluss der Arbeit auf einem dynamischen hintergrund?
    • Was meinst du mit dynamischen hintergrund?
    • Hintergrund ändern (D. H. eine bewegliche Kamera).
    • Ja, das funktioniert, aber schlägt fehl, wenn es eine plötzliche drastische Veränderung in den hintergrund, d.h. der hintergrund wird eine völlig andere Szene. Infact verschiedene fortschrittliche algorithmen arbeiten unter Verwendung der optical-flow. beispielsweise kann es verwendet werden, für video-Stabilisierung gemäß der Implementierung in der OpenCV video-Stabilisierung-Modul.
    • Ich kann immer ein wenig off-topic, aber ich nehme an neben der median-flow-tracker, die in der TLD-Bibliothek, was ist die beste Lösung deiner Meinung nach für das verfolgen eines Objekts in einem sich verändernden hintergrund dann?
    • Nun, es hängt vom Typ des Objekts und das Szenario. Andere Tracker funktionieren besser unter bestimmten Bedingungen. Allgemein, feature-basierten Objekt-tracking unter Verwendung einer Kombination von SIFT/SURF-feature-Deskriptoren und Flann based-feature matcher würde die Arbeit machen. Aber noch einmal, Sie benötigen parameter tweaken, je nach Szenario.

    InformationsquelleAutor sgarizvi
  2. 2

    Gibt es eine brillante video-on-KLT hier in diese video. Sie müssen dieses heraus überprüfen

    InformationsquelleAutor Dheeraj M Pai
Schreibe einen Kommentar