opticalFlowLK

Объект для оценки оптического потока с помощью метода Лукаса-Кэнэйда

Описание

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

Создание

Синтаксис

opticFlow = opticalFlowLK

opticFlow = opticalFlowLK('NoiseThreshold',threshold)

Описание

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

пример

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

Например, opticalFlowLK('NoiseThreshold',0.05)

Свойства

развернуть все

`threshold` — Порог для шумоподавления
0.0039 (значение по умолчанию) | положительная скалярная величина

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

Функции объекта

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

Примеры

свернуть все

Вычислите оптический поток Используя алгоритм Лукаса-Кэнэйда

Скрипт Open Live Script

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 метода Лукаса-Кэнэйда. Задайте порог для шумоподавления. Выход является объектом оптического потока определение метода оценки оптического потока и его свойств.

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 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',10,'Parent',hPlot);
    hold off
    pause(10^-3)
end

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

Алгоритмы

развернуть все

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

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

$I_{x}$ , $I_{y}$ , и $I_{t}$ пространственно-временные производные яркости изображения.
u является горизонтальным оптическим потоком.
v является вертикальным оптическим потоком.

Метод Лукаса-Кэнэйда

Чтобы решить уравнение ограничений оптического потока для вас и v, метод Лукаса-Кэнэйда делит оригинальное изображение на меньшие разделы и принимает постоянную скорость в каждом разделе. Затем это выполняет взвешенный, припадок наименьшего квадрата уравнения ограничений оптического 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 функцией окна, которая подчеркивает ограничения в центре каждого раздела. Решение проблемы минимизации

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

Метод Лукаса-Кэнэйда вычисляет $I_{t}$ с помощью фильтра различия, [-1 1].

u и v решены можно 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 транспонированная форма.
Вычислить $I_{t}$ между изображениями 1 и 2 использования $[\begin{matrix} - 1 & 1 \end{matrix}]$ ядро.
Сглаживайте компоненты градиента, $I_{x}$ , $I_{y}$ , и $I_{t}$ , использование отделимого и изотропного ядра элемента 5 на 5, эффективные 1D коэффициенты которого $[\begin{matrix} \begin{matrix} 1 & 4 \end{matrix} & 6 & 4 & 1 \end{matrix}] / 16$ .
Решите линейные уравнения 2 на 2 для каждого пикселя с помощью следующего метода:
- Если $A = [\begin{matrix} a & b \\ b & c \end{matrix}] = [\begin{matrix} \sum W^{2} I_{x}^{2} & \sum W^{2} I_{x} I_{y} \\ \sum W^{2} I_{y} I_{x} & \sum W^{2} I_{y}^{2} \end{matrix}]$
  Затем 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, $τ$ , это соответствует значению, вы вводите для порога для шумоподавления. Результаты попадают в один из следующих случаев:
  Случай 1: $λ_{1} \geq τ$ и $λ_{2} \geq τ$
  A несингулярен, система уравнений решены с помощью Правила Крамера.
  Случай 2: $λ_{1} \geq τ$ и $λ_{2} < τ$
  A сингулярен (необратимый), поток градиента нормирован, чтобы вычислить u и против.
  Случай 3: $λ_{1} < τ$ и $λ_{2} < τ$
  Оптический поток, u и v, 0.

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

Документация

opticalFlowLK

Описание

Создание

Синтаксис

Описание

Свойства

`threshold` — Порог для шумоподавления
0.0039 (значение по умолчанию) | положительная скалярная величина

Функции объекта

Примеры

Вычислите оптический поток Используя алгоритм Лукаса-Кэнэйда

Алгоритмы

Метод Лукаса-Кэнэйда

Ссылки

Расширенные возможности

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

Смотрите также

Документация Computer Vision Toolbox

Поддержка

Документация

opticalFlowLK

Описание

Создание

Синтаксис

Описание

Свойства

threshold — Порог для шумоподавления0.0039 (значение по умолчанию) | положительная скалярная величина

Функции объекта

Примеры

Вычислите оптический поток Используя алгоритм Лукаса-Кэнэйда

Алгоритмы

Метод Лукаса-Кэнэйда

Ссылки

Расширенные возможности

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

Смотрите также

Документация Computer Vision Toolbox

Поддержка

`threshold` — Порог для шумоподавления
0.0039 (значение по умолчанию) | положительная скалярная величина

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