opticalFlowHS

用霍恩-舒克法估计光流的对象

展开页内所有内容

描述

创建一个光流对象，用于估计方向和速度的移动对象使用霍恩- schunck方法。使用对象函数estimateFlow估计光流矢量。使用重置对象函数，可以重置光流对象的内部状态。

创建

语法

opticFlow = opticalFlowHS

opticFlow = opticalFlowHS(名称、值)

描述

opticFlow= opticalFlowHS返回一个光流对象，您可以使用它来估计视频中移动对象的方向和速度。采用霍恩-舒克法估计光流。

例子

opticFlow= opticalFlowHS (名称,值)返回具有指定为一个或多个属性的光流对象名称,值对参数。任何未指定的属性都有默认值。将每个属性名称用引号括起来。

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

光流的期望平滑性，指定为一个正标量。当连续帧之间的运动增加时增加这个值。的典型值“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，指定为正整数标量。增加这个值可以估计低速物体的光流。

当迭代次数等于的值时，迭代计算停止“MaxIteration”或者当算法达到的值“VelocityDifference”。仅通过使用来停止计算“MaxIteration”，设置的值“VelocityDifference”来0。

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

最小绝对速度差，指定为一个正标量。这个值取决于输入数据类型。降低这个值来估计低速物体的光流。

当算法达到为的值时，迭代计算停止“VelocityDifference”或者说迭代次数等于“MaxIteration”。只使用“VelocityDifference”若要停止计算，请设置“MaxIteration”来正。

对象的功能

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

例子

全部折叠

用霍恩-舒克法估计光流

打开生活的脚本

创建一个VideoReader输入视频文件的对象，visiontraffic.avi。指定要读取的帧的时间戳为11。

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

指定光流估计方法为opticalFlowHS。输出是一个指定光流估计方法及其特性的对象。

opticFlow = opticalFlowHS

opticFlow = opticalFlowHS，属性:平滑度:1 MaxIteration: 10速度差:0

创建自定义图形窗口以可视化光流向量。

h =图;movegui (h);hViewPanel = uipanel (h,“位置”，[0,0,11]，“标题”,“光流矢量图”);hPlot =轴(hViewPanel);

读取图像帧VideoReader对象和转换为灰度图像。估计光流从连续图像帧。显示当前图像帧，并将光流矢量绘制为颤振图。

而hasFrame(vidReader) frameRGB = readFrame(vidReader);frameGray = rgb2gray (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

算法

全部展开

要计算两幅图像之间的光流，必须求解光流约束方程:

$我_{x} u + 我_{y} v + 我_{t} = 0$

。

$我_{x}$ , $我_{y}$ , $我_{t}$ 为时空图像亮度导数。
u为水平光流。
v为垂直光流。

Horn-Schunck方法

通过假设光流在整个图像上是平滑的，霍恩-舒克方法估计了一个速度场， $(\begin{matrix} u & v]^{T} \end{matrix}$ ，使方程最小化:

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

。

在这个方程, $\frac{\partial u}{\partial x}$ 和 $\frac{\partial u}{\partial y}$ 是光速分量的空间导数，u, $α$ 缩放全局平滑项。Horn-Schunck方法极小化前一个方程得到速度场，[u v]，表示图像中的每个像素。该方法由以下方程给出:

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

。

在这些方程, $(\begin{matrix} u_{x, y}^{k} & v_{x, y}^{k} \end{matrix}]$ 为像素在(x, y), $(\begin{matrix} {\bar{u}}_{x, y}^{k} & {\bar{v}}_{x, y}^{k} \end{matrix}]$ 邻域平均值是多少 $(\begin{matrix} u_{x, y}^{k} & v_{x, y}^{k} \end{matrix}]$ 。为k = 0初始速度为0。

来解决u和v使用霍恩- schunck方法:

计算 $我_{x}$ 和 $我_{y}$ 通过使用Sobel卷积核， $(\begin{matrix} - 1 & - 2 & \begin{matrix} \begin{matrix} \begin{matrix} - 1; & 0 & 0 \end{matrix} & 0; & 1 \end{matrix} & 2 & 1 \end{matrix} \end{matrix}]$ ，以及第一个图像中每个像素的转置形式。
计算 $我_{t}$ 在图像1和2之间使用 $(\begin{matrix} - 1 & 1 \end{matrix}]$ 内核。
假设之前的速度为0，使用 $(\begin{matrix} 0 & 1 & \begin{matrix} 0; & 1 & \begin{matrix} 0 & 1; & \begin{matrix} 0 & 1 & 0 \end{matrix} \end{matrix} \end{matrix} \end{matrix}]$ 作为卷积核。
迭代求解u和v。

参考文献

bb0 Barron, J. L.， D. J. Fleet, S. S. Beauchemin和T. A. Burkitt。"光流技术的性能。“在IEEE计算机视觉与模式识别会议论文集，236 - 242。香槟，IL: CVPR, 1992年。

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

另请参阅

opticalFlow|opticalFlowFarneback|opticalFlowLK|opticalFlowLKDoG|箭袋

opticalFlowHS

描述

创建

语法

描述

属性

`平滑度`- - - - - -预期的平滑度
`1`(默认)|积极的标量

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

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

对象的功能

例子

用霍恩-舒克法估计光流

算法

Horn-Schunck方法

参考文献

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

另请参阅

介绍了R2015a

计算机视觉工具箱文档

万博1manbetx

介绍用MATLAB进行深度学习

opticalFlowHS

描述

创建

语法

描述

属性

平滑度- - - - - -预期的平滑度1(默认)|积极的标量

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

VelocityDifference- - - - - -最小绝对速度差0(默认)|积极的标量

对象的功能

例子

用霍恩-舒克法估计光流

算法

Horn-Schunck方法

参考文献

扩展功能

C / c++代码生成使用MATLAB®Coder™生成C和c++代码。

另请参阅

介绍了R2015a

计算机视觉工具箱文档

万博1manbetx

介绍用MATLAB进行深度学习

`平滑度`- - - - - -预期的平滑度
`1`(默认)|积极的标量

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

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

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。