opticalFlowLKDoG

Объект для оценки оптического потока с помощью производной Лукаса-Кэнэйда Гауссова метода

Описание

Создайте объект оптического потока для оценки направления и скорости перемещения объектов с помощью метода производной гауссовых (DoG) Лукаса-Кэнэйда. Используйте объектную функцию estimateFlow оценить векторы оптического потока. Используя reset возразите функции, можно сбросить внутреннее состояние объекта оптического потока.

Создание

Описание

opticFlow = opticalFlowLKDoG возвращается оптический поток возражают, что можно использовать, чтобы оценить направление и скорость движущихся объектов в видео. Оптический поток оценивается с помощью метода производной гауссовых (DoG) Лукаса-Кэнэйда.

пример

opticFlow = opticalFlowLKDoG(Name,Value) возвращает объект оптического потока со свойствами, заданными как один или несколько Name,Value парные аргументы. Любые незаданные свойства имеют значения по умолчанию. Заключите каждое имя свойства в кавычки.

Например, opticalFlowLKDoG('NumFrames',3)

Свойства

развернуть все

Количество буферизированных систем координат для временного сглаживания в виде положительного скаляра с целочисленным знаком. Когда вы увеличиваете это число, метод оценки оптического потока становится менее устойчивым к резким изменениям в траектории движущихся объектов. Сумма задержки оценки потока зависит от значения NumFrames. Выходной поток соответствует изображению в tflow = tcurrent − 0.5 (NumFrames-1), где tcurrent является временем текущего изображения.

Стандартное отклонение для сглаживания изображений фильтрует в виде положительной скалярной величины.

Стандартное отклонение для сглаживания градиента фильтрует в виде положительной скалярной величины.

Порог для шумоподавления в виде положительной скалярной величины. Когда вы увеличиваете это число, перемещение объектов оказывает меньше влияния на вычисление оптического потока.

Функции объекта

estimateFlowОцените оптический поток
resetСбросьте внутреннее состояние объекта оценки оптического потока

Примеры

свернуть все

Считайте видеофайл. Задайте метку времени системы координат, которая будет считана.

vidReader = VideoReader('visiontraffic.avi','CurrentTime',11);

Создайте объект оптического потока для оценки оптического потока с помощью Лукаса-Кэнэйда метод DoG. Задайте порог для шумоподавления. Выход является объектом оптического потока определение метода оценки оптического потока и его свойств.

opticFlow = opticalFlowLKDoG('NoiseThreshold',0.0005)
opticFlow = 
  opticalFlowLKDoG with properties:

              NumFrames: 3
       ImageFilterSigma: 1.5000
    GradientFilterSigma: 1
         NoiseThreshold: 5.0000e-04

Создайте пользовательское окно рисунка, чтобы визуализировать векторы оптического потока.

h = figure;
movegui(h);
hViewPanel = uipanel(h,'Position',[0 0 1 1],'Title','Plot of Optical Flow Vectors');
hPlot = axes(hViewPanel);

Считайте фреймы изображения и преобразуйте в полутоновые изображения. Оцените оптический поток от последовательных фреймов изображения. Отобразите систему координат текущего изображения и постройте векторы оптического потока как график полей градиента.

while hasFrame(vidReader)
    frameRGB = readFrame(vidReader);
    frameGray = im2gray(frameRGB);
    flow = estimateFlow(opticFlow,frameGray);
    imshow(frameRGB)
    hold on
    plot(flow,'DecimationFactor',[5 5],'ScaleFactor',35,'Parent',hPlot);
    hold off
    pause(10^-3)
end

Figure contains an axes and an object of type uipanel. The axes contains 2 objects of type image, quiver.

Figure contains an axes and an object of type uipanel. The axes contains 2 objects of type image, quiver.

Алгоритмы

развернуть все

Чтобы вычислить оптический поток между двумя изображениями, необходимо решить это уравнение ограничений оптического потока:

Ixu+Iyv+It=0

.

  • Ix, Iy, и It пространственно-временные производные яркости изображения.

  • u является горизонтальным оптическим потоком.

  • v является вертикальным оптическим потоком.

Ссылки

[1] Баррон, J. L. Д. Дж. Флит, С. С. Беокемин и Т. А. Беркитт. “Эффективность методов оптического потока”. В Продолжениях Конференции по IEEE по Компьютерному зрению и Распознаванию образов (CVPR), 236-242. Равнина, IL: CVPR, 1992.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Представленный в R2015a
Для просмотра документации необходимо авторизоваться на сайте