opticalFlowLK

Объект для оценки оптического потока с помощью метода Лукаса-Канаде

Описание

Создайте объект оптического потока для оценки направления и скорости движущегося объекта с помощью метода Лукаса-Канаде. Используйте функцию объекта estimateFlow для оценки векторов оптического потока. Использование reset object function, можно сбросить внутреннее состояние объекта оптического потока.

Создание

Синтаксис

opticFlow = opticalFlowLK

opticFlow = opticalFlowLK('NoiseThreshold',threshold)

Описание

opticFlow = opticalFlowLK возвращает объект оптического потока, который можно использовать, чтобы оценить направление и скорость движущихся объектов в видео. Оптический поток оценивается с помощью метода Лукаса-Канаде.

пример

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

Для примера, opticalFlowLK('NoiseThreshold',0.05)

Свойства

расширить все

`threshold` - Порог для снижения шума
`0.0039` (по умолчанию) | положительная скалярная величина

Пороговое значение для снижения шума, заданное как положительная скалярная величина. Когда вы увеличиваете это количество, движение объектов меньше влияет на вычисление оптического потока.

Функции объекта

`estimateFlow`	Оцените оптический поток
`reset`	Сбросьте внутреннее состояние объекта оценки оптического потока

Примеры

свернуть все

Вычисление оптического потока с использованием алгоритма Лукаса-Канаде

Открыть Live Script

Прочитайте видео файла. Укажите временную метку системы координат.

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

Создайте объект оптического потока для оценки оптического потока с помощью метода Лукаса-Канаде. Задайте порог для снижения шума. Выходы являются объектом оптического потока, задающим метод оптической оценки потока и его свойства.

opticFlow = opticalFlowLK('NoiseThreshold',0.009);

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 системы координат изображения и преобразуйте в полутоновые изображения. Оцените оптический поток из последовательных систем координат изображения. Отобразите текущую систему координат изображения и постройте график векторов 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',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

расширить все

Чтобы вычислить оптический поток между двумя изображениями, вы должны решить это оптическое уравнение ограничения потока:

$I_{x} u + I_{y} v + I_{t} = 0$

$I_{x}$ , $I_{y}$ , и $I_{t}$ являются производными яркости пространственно-временных изображений.
u - горизонтальный оптический поток.
v - вертикальный оптический поток.

Метод Лукаса-Канаде

Чтобы решить оптический поток уравнение ограничения для u и v, метод Лукаса-Канаде делит оригинальное изображение на меньшие сечения и принимает постоянную скорость в каждом сечении. Затем он выполняет взвешенную наименьшую квадратную подгонку оптического уравнения ограничения потока к постоянной модели для ${[\begin{matrix} u & v \end{matrix}]}^{T}$ в каждом разделе $Ω$ . Метод достигает этой подгонки путем минимизации этого уравнения:

$\sum_{x \in Ω} W^{2} {[I_{x} u + I_{y} v + I_{t}]}^{2}$

W является оконной функцией, которая подчеркивает ограничения в центре каждого раздела. Решением задачи минимизации является

$[\begin{matrix} \sum W^{2} I_{x}^{2} & \sum W^{2} I_{x} I_{y} \\ \sum W^{2} I_{y} I_{x} & \sum W^{2} I_{y}^{2} \end{matrix}] [\begin{matrix} u \\ v \end{matrix}] = - [\begin{matrix} \sum W^{2} I_{x} I_{t} \\ \sum W^{2} I_{y} I_{t} \end{matrix}]$

Метод Лукаса-Канаде вычисляет $I_{t}$ используя фильтр различий, [-1 1].

u и v решаются следующим образом:

Вычислить $I_{x}$ и $I_{y}$ использование ядра $[\begin{matrix} - 1 & 8 & 0 & \begin{matrix} - 8 & 1 \end{matrix} \end{matrix}] / 12$ и его транспонированную форму.
Вычислить $I_{t}$ между изображениями 1 и 2 с помощью $[\begin{matrix} - 1 & 1 \end{matrix}]$ ядро.
Сглаживайте компоненты градиента, $I_{x}$ , $I_{y}$ , и $I_{t}$ , используя разделяемое и изотропное ядро элемента 5 на 5, эффективными коэффициентами 1-D которого являются $[\begin{matrix} \begin{matrix} 1 & 4 \end{matrix} & 6 & 4 & 1 \end{matrix}] / 16$ .
Решить линейные уравнения 2 на 2 для каждого пикселя используя следующий метод:
- Если $A = [\begin{matrix} a & b \\ b & c \end{matrix}] = [\begin{matrix} \sum W^{2} I_{x}^{2} & \sum W^{2} I_{x} I_{y} \\ \sum W^{2} I_{y} I_{x} & \sum W^{2} I_{y}^{2} \end{matrix}]$
  Тогда собственные значения A $λ_{i} = \frac{a + c}{2} \pm \frac{\sqrt{4 b^{2} + {(a - c)}^{2}}}{2}; i = 1, 2$
- Собственные значения сравниваются с порогом, $τ$ , что соответствует значению, которое вы вводите для порога для снижения шума. Результаты попадают в один из следующих случаев:
  Дело 1: $λ_{1} \geq τ$ и $λ_{2} \geq τ$
  A несингулярна, система уравнений решена с помощью правила Крамера.
  Дело 2: $λ_{1} \geq τ$ и $λ_{2} < τ$
  A сингулярна (неинвертируема), градиентный поток нормирован для вычисления u и v.
  Дело 3: $λ_{1} < τ$ и $λ_{2} < τ$
  Оптический поток u и v равен 0.

Ссылки

[1] Barron, J. L., D. J. Fleet, S. S. Боушемин, и Т. А. Буркитт. «Эффективность технологий оптического потока». В работе Конференции IEEE по компьютерному зрению и распознаванию шаблона (CVPR), 236-242. Champaign, IL: CVPR, 1992.

Расширенные возможности

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

См. также

opticalFlow | opticalFlowFarneback | opticalFlowHS | opticalFlowLKDoG | quiver

Введенный в R2015a

Документация

opticalFlowLK

Описание

Создание

Синтаксис

Описание

Свойства

`threshold` - Порог для снижения шума
`0.0039` (по умолчанию) | положительная скалярная величина

Функции объекта

Примеры

Вычисление оптического потока с использованием алгоритма Лукаса-Канаде

Алгоритмы

Метод Лукаса-Канаде

Ссылки

Расширенные возможности

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

См. также

Документация по Computer Vision Toolbox

Поддержка

Документация

opticalFlowLK

Описание

Создание

Синтаксис

Описание

Свойства

threshold - Порог для снижения шума 0.0039 (по умолчанию) | положительная скалярная величина

Функции объекта

Примеры

Вычисление оптического потока с использованием алгоритма Лукаса-Канаде

Алгоритмы

Метод Лукаса-Канаде

Ссылки

Расширенные возможности

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

См. также

Документация по Computer Vision Toolbox

Поддержка

`threshold` - Порог для снижения шума
`0.0039` (по умолчанию) | положительная скалярная величина

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