opticalFlowLK

Объект для оценки оптического потока методом Лукаса-Канаде

Описание

Создайте объект оптического потока для оценки направления и скорости движущегося объекта с помощью метода Лукаса-Канаде. Использовать функцию объекта estimateFlow для оценки векторов оптического потока. Использование reset функция объекта позволяет сбросить внутреннее состояние объекта оптического потока.

Создание

Синтаксис

opticFlow = opticalFlowLK

opticFlow = opticalFlowLK ('NoiseThreshold', порог)

Описание

opticFlow = opticalFlowLK возвращает объект оптического потока, который можно использовать для оценки направления и скорости движущихся объектов в видео. Оптический поток оценивается по методу Лукаса-Канаде.

пример

opticFlow = opticalFlowLK('NoiseThreshold',threshold) возвращает объект оптического потока со свойством 'NoiseThreshold' указано как Name,Value пара. Заключите имя свойства в кавычки.

Например, opticalFlowLK('NoiseThreshold',0.05)

Свойства

развернуть все

`threshold` - Пороговое значение для снижения шума
`0.0039` (по умолчанию) | положительный скаляр

Порог снижения шума, заданный как положительный скаляр. При увеличении этого числа перемещение объектов оказывает меньшее влияние на расчет оптического потока.

Функции объекта

`estimateFlow`	Оценка оптического потока
`reset`	Сброс внутреннего состояния объекта оптической оценки потока

Примеры

свернуть все

Вычислить оптический поток с помощью алгоритма Лукаса-Канаде

Открыть сценарий в реальном времени

Прочитайте видеофайл. Укажите метку времени считываемого кадра.

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

Создайте объект оптического потока для оценки оптического потока с помощью метода Лукаса-Канаде. Укажите пороговое значение для уменьшения шума. Выходной сигнал представляет собой объект оптического потока, определяющий способ оценки оптического потока и его свойства.

opticFlow = opticalFlowLK('NoiseThreshold',0.009);

Создайте пользовательское окно рисунка для визуализации векторов оптического потока.

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

Считывайте кадры изображения и преобразуйте их в изображения в оттенках серого. Оцените оптический поток по последовательным кадрам изображения. Отображение текущего кадра изображения и построение графика векторов оптического потока в виде графика quiver.

while hasFrame(vidReader)
    frameRGB = readFrame(vidReader);
    frameGray = im2gray(frameRGB);
    flow = estimateFlow(opticFlow,frameGray);
    imshow(frameRGB)
    hold on
    plot(flow,'DecimationFactor',[5 5],'ScaleFactor',10,'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.

Алгоритмы

развернуть все

Чтобы вычислить оптический поток между двумя изображениями, необходимо решить следующее уравнение ограничения оптического потока:

$_{} Ixu +_{} {Iyv}_{} +$ Это = 0

$_{Ix}$ , $_{Iy}$ и $_{это}$ пространственно-временные производные яркости изображения.
u - горизонтальный оптический поток.
v - вертикальный оптический поток.

Метод Лукаса-Канаде

Для решения уравнения ограничения оптического потока для u и v метод Лукаса-Канаде делит исходное изображение на меньшие секции и предполагает постоянную скорость в каждой секции. Затем он выполняет взвешенную, наименьшую квадратную подгонку уравнения ограничения оптического потока к постоянной модели для ${[\begin{matrix} uv \end{matrix}]}^{}$ T в каждом сечении (Λ). Этот способ достигается путем минимизации этого уравнения:

$\underset{}{}^{} {_{}_{}_{}}^{∑x∈ΩW2[Ixu+Iyv+It]2}$

W - оконная функция, которая подчеркивает ограничения в центре каждого сечения. Решением проблемы минимизации является

$[\begin{matrix} ^{}_{}^{} & ^{}_{}_{} \\ ^{}_{}_{} & ^{}_{}^{∑W2Ix2∑W2IxIy∑W2IyIx∑W2Iy2} \end{matrix}] \begin{matrix} [ \end{matrix} \begin{matrix} ^{}_{}_{} \\ ^{}_{}_{} \end{matrix} uv]=-[\sumW2IxIt\sumW2IyIt$ ]

Метод Лукаса-Канаде вычисляет $_{его}$ с помощью фильтра различий, [-1 1].

u и v решаются следующим образом:

Вычислите $_{Ix}$ и $_{Iy}$ , используя ядро $[\begin{matrix} - & \begin{matrix} 180 & − \end{matrix} \end{matrix} 81$ ]/12 и его транспонированную форму.
Вычислите $_{его}$ между изображениями 1 и 2 с помощью $\begin{matrix} \end{matrix}$ ядра [− 11].
Сглаживайте компоненты градиента $_{Ix}$ , $_{Iy}$ и $_{It}$ , используя разделяемое и изотропное ядро элемента 5 на 5, эффективные коэффициенты 1-D которого равны $[\begin{matrix} \begin{matrix} \end{matrix} & 14641 \end{matrix}] /$ 16.
Решите линейные уравнения 2 на 2 для каждого пикселя, используя следующий метод:
- Если $\begin{matrix} \end{matrix} \begin{matrix} ^{}_{}^{} & ^{}_{}_{} \\ ^{}_{}_{} & ^{}_{}^{A=[abbc]=[∑W2Ix2∑W2IxIy∑W2IyIx∑W2Iy2} \end{matrix}]$
  Тогда собственные значения A равны $_{λ i} \frac{= a}{} + \frac{\sqrt{^{c2} {\pm 4b2}^{}}}{+} (a -$ c) 22; i = 1,2
- Собственные значения сравниваются с порогом, $τ$ , который соответствует стоимости, Вы записываетесь на порог для шумоподавления. Результаты относятся к одному из следующих случаев:
  Случай 1: $_{} λ1≥τ$ и $_{} λ2≥τ$
  А является несингулярным, система уравнений решается с помощью правила Крамера.
  Случай 2: $_{} λ1≥τ$ и $_{λ 2} <$
  A является сингулярным (неинвертируемым), градиентный поток нормализуется для вычисления u и v.
  Регистр 3: $_{λ 1} <$ $_{}$
  Оптический поток u и v равен 0.

Ссылки

[1] Бэррон, Дж. Л., Д. Дж. Флит, С. С. Боухемин и Т. А. Буркитт. «Выполнение методов оптического потока». В материалах Конференции IEEE по компьютерному зрению и распознаванию образов (CVPR), 236-242. Шампейн, IL: CVPR, 1992.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

См. также

opticalFlow | opticalFlowFarneback | opticalFlowHS | opticalFlowLKDoG | quiver

Представлен в R2015a

Документация

opticalFlowLK

Описание

Создание

Синтаксис

Описание

Свойства

`threshold` - Пороговое значение для снижения шума
`0.0039` (по умолчанию) | положительный скаляр

Функции объекта

Примеры

Вычислить оптический поток с помощью алгоритма Лукаса-Канаде

Алгоритмы

Метод Лукаса-Канаде

Ссылки

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

См. также

Документация по инструментарию компьютерного зрения

Поддержка

Документация

opticalFlowLK

Описание

Создание

Синтаксис

Описание

Свойства

threshold - Пороговое значение для снижения шума 0.0039 (по умолчанию) | положительный скаляр

Функции объекта

Примеры

Вычислить оптический поток с помощью алгоритма Лукаса-Канаде

Алгоритмы

Метод Лукаса-Канаде

Ссылки

Расширенные возможности

Создание кода C/C + + Создайте код C и C++ с помощью MATLAB ® Coder™

См. также

Документация по инструментарию компьютерного зрения

Поддержка

`threshold` - Пороговое значение для снижения шума
`0.0039` (по умолчанию) | положительный скаляр

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™