opticalFlowHS

对象使用Horn-Schunck估算光流方法

扩展所有的页面

描述

创建一个光学流对象的方向和速度估算使用Horn-Schunck移动物体的方法。使用目标函数estimateFlow估计光流矢量。使用重置目标函数,你可以重置光学流对象的内部状态。

创建

语法

opticFlow = opticalFlowHS

opticFlow = opticalFlowHS(名称、值)

描述

opticFlow= opticalFlowHS返回一个光学流对象,您可以使用估计的方向和速度移动对象在一个视频。使用Horn-Schunck光流估计的方法。

例子

opticFlow= opticalFlowHS (名称,值)返回一个光学流对象与属性指定为一个或多个名称,值对参数。任何未指定的属性有默认值。在报价附上每个属性的名字。

例如,opticalFlowHS(“平滑”,1.5)

属性

全部展开

`平滑度`- - - - - -预期的平滑度
`1`(默认)|积极的标量

预期平滑光流,指定为一个积极的标量。增加这个值增加连续帧之间的运动。一个典型的价值“平滑”大约是1。

`MaxIteration`- - - - - -最大迭代次数
`10`(默认)|正整数值标量

最大迭代次数,指定为一个正整数值标量。增加这个值来估计物体的光流速度较低。

迭代计算时停止迭代次数等于的价值“MaxIteration”或当该算法达到设定的值“VelocityDifference”。只有使用停止计算“MaxIteration”,设置的价值“VelocityDifference”来0。

`VelocityDifference`- - - - - -最小绝对速度的区别
`0`(默认)|积极的标量

最小绝对速度差异,指定为一个积极的标量。这个值取决于输入数据的类型。降低这个值来估计物体的光流速度较低。

迭代计算算法达到设置值时停止“VelocityDifference”或迭代次数=“MaxIteration”。只使用“VelocityDifference”停止计算,集“MaxIteration”来正。

对象的功能

`estimateFlow`	光流估计
`重置`	复位光流估计对象的内部状态

例子

全部折叠

估计使用Horn-Schunck光流的方法

打开生活的脚本

创建一个VideoReader对象的输入视频文件,visiontraffic.avi。指定帧的时间戳来解读为11。

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

指定光流估计方法opticalFlowHS。输出是一个对象指定光流估计方法和它的属性。

opticFlow = opticalFlowHS

opticFlow = opticalFlowHS特性:平滑度:1 MaxIteration: 10 VelocityDifference: 0

创建一个定制的可视化的光流矢量图窗口。

h =图;movegui (h);hViewPanel = uipanel (h,“位置”(0 0 1 1),“标题”,“光流矢量的阴谋”);hPlot =轴(hViewPanel);

读取的图像帧VideoReader对象,并转换为灰度图像。估计连续图像帧的光流。显示当前图像帧和情节颤抖的光流矢量图。

而hasFrame (vidReader) frameRGB = readFrame (vidReader);frameGray = im2gray (frameRGB);流= estimateFlow (opticFlow frameGray);imshow (frameRGB)在情节(流,“DecimationFactor”,5 [5],“ScaleFactor”现年60岁的“父”,hPlot);持有从暂停(10 ^ 3)结束

图包含一个坐标轴对象和一个uipanel类型的对象。坐标轴对象包含2图像类型的对象,颤。

算法

全部展开

计算两幅图像之间的光流,你必须解决这个光流约束方程:

$我_{x} u + 我_{y} v + 我_{t} = 0$

。

$我_{x}$ , $我_{y}$ , $我_{t}$ 的时空图像亮度的衍生品。
u是水平的光流。
v是垂直的光流。

Horn-Schunck方法

通过假设光学流是光滑的整个形象,Horn-Schunck法估计速度场, $(\begin{matrix} u & v]^{T} \end{matrix}$ 最小化这个方程:

$E = \iint (我_{x} u + 我_{y} v + 我_{t})^{2} d x d y + α \iint {{(\frac{\partial u}{\partial x})}^{2} + {(\frac{\partial u}{\partial y})}^{2} + {(\frac{\partial v}{\partial x})}^{2} + {(\frac{\partial v}{\partial y})}^{2}} d x d y$

。

在这个方程, $\frac{\partial u}{\partial x}$ 和 $\frac{\partial u}{\partial y}$ 光速度分量的空间衍生品,u, $α$ 尺度全球平滑项。Horn-Schunck方法最小化前面的方程得到速度场,(u v),对图像中每个像素。这个方法是由以下方程:

$\begin{array}{l} u_{x, y}^{k + 1} = {\bar{u}}_{x, y}^{k} - \frac{我_{x} (我_{x} {\bar{u}}^{k}_{x, y} + 我_{y} {\bar{v}}^{k}_{x, y} + 我_{t}]}{α^{2} + 我_{x}^{2} + 我_{y}^{2}} \\ v_{x, y}^{k + 1} = {\bar{v}}_{x, y}^{k} - \frac{我_{y} (我_{x} {\bar{u}}^{k}_{x, y} + 我_{y} {\bar{v}}^{k}_{x, y} + 我_{t}]}{α^{2} + 我_{x}^{2} + 我_{y}^{2}} \end{array}$

。

在这些方程, $(\begin{matrix} u_{x, y}^{k} & v_{x, y}^{k} \end{matrix}]$ 速度估计像素(x, y), $(\begin{matrix} {\bar{u}}_{x, y}^{k} & {\bar{v}}_{x, y}^{k} \end{matrix}]$ 邻域平均吗 $(\begin{matrix} u_{x, y}^{k} & v_{x, y}^{k} \end{matrix}]$ 。为k = 0,初速度是0。

来解决u和v使用Horn-Schunck方法:

计算 $我_{x}$ 和 $我_{y}$ 通过使用Sobel卷积内核, $(\begin{matrix} - 1 & - 2 & \begin{matrix} \begin{matrix} \begin{matrix} - 1; & 0 & 0 \end{matrix} & 0; & 1 \end{matrix} & 2 & 1 \end{matrix} \end{matrix}]$ ,它的转置形式每个像素的图像。
计算 $我_{t}$ 图片1和2之间使用 $(\begin{matrix} - 1 & 1 \end{matrix}]$ 内核。
假设前面的速度是0,计算每个像素的平均速度 $(\begin{matrix} 0 & 1 & \begin{matrix} 0; & 1 & \begin{matrix} 0 & 1; & \begin{matrix} 0 & 1 & 0 \end{matrix} \end{matrix} \end{matrix} \end{matrix}]$ 作为卷积核。
迭代求解u和v。

引用

[1]巴伦,j·L。,D. J. Fleet, S. S. Beauchemin, and T. A. Burkitt. “ Performance of optical flow techniques.” In《IEEE计算机视觉与模式识别会议(CVPR),236 - 242。香槟,IL: CVPR, 1992年。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

版本历史

介绍了R2015a

另请参阅

箭袋|opticalFlow|opticalFlowLKDoG|opticalFlowLK|opticalFlowFarneback