opticalFlowHS

用霍恩-舒克法估计光流的对象

在页面中全部展开

描述

使用Horn-Schunck方法创建一个光流对象，用于估计移动对象的方向和速度。使用object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。用霍恩-舒克法估计光流。

例子

opticFlow= opticalFlowHS (名称,值）返回属性指定为一个或多个的光流对象名称,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

光流的期望平滑度，指定为正标量。当连续帧之间的运动增加时，增加该值。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，指定为正整数值标量。增加这个值来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，指定为正标量。该值取决于输入数据类型。减小此值可估计速度较低的物体的光流。

当算法达到的值时，迭代计算停止“VelocityDifference”或者说迭代次数等于“MaxIteration”．只使用“VelocityDifference”要停止计算，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Horn-Schunck法估计光流

打开生活的脚本

创建一个VideoReader对象为输入视频文件，visiontraffic.avi．指定帧的时间戳读为11。

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

指定光流估计方法为opticalFlowHS．输出是指定光流估计方法及其属性的对象。

opticFlow = opticalFlowHS

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

创建一个自定义图形窗口来可视化光流矢量。

h =图;movegui (h);hViewPanel = uipanel (h,“位置”，[0 0 1 1]，“标题”，“光流矢量图”）;hPlot =轴(hViewPanel);

方法中读取图像帧VideoReader对象，并转换为灰度图像。估计来自连续图像帧的光流。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 = 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

算法

全部展开

要计算两幅图像之间的光流，必须求解这个光流约束方程:

$我_{x} u + 我_{y} v + 我_{t} ＝ 0$

．

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

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， $［ \begin{matrix} u & v ］^{T} \end{matrix}$ ，使这个方程最小化:

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

．

在这个方程, $\frac{\partial u}{\partial x}$ 而且 $\frac{\partial u}{\partial y}$ 是光速度分量的空间导数，u, $α$ 缩放全局平滑项。Horn-Schunck方法将前面的方程最小化，得到速度场，[u v]，对应图像中的每个像素。该方法由以下公式给出:

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

．

在这些方程, $［ \begin{matrix} u_{x ， y}^{k} & v_{x ， y}^{k} \end{matrix} ］$ 是像素处的速度估计值。x, y), $［ \begin{matrix} {\bar{u}}_{x ， y}^{k} & {\bar{v}}_{x ， y}^{k} \end{matrix} ］$ 这个社区的平均水平是 $［ \begin{matrix} u_{x ， y}^{k} & v_{x ， y}^{k} \end{matrix} ］$ ．为k = 0，初速度为0。

来解决u而且v使用Horn-Schunck方法:

计算 $我_{x}$ 而且 $我_{y}$ 通过使用Sobel卷积核， $［ \begin{matrix} - 1 & - 2 & \begin{matrix} \begin{matrix} \begin{matrix} - 1 ； & 0 & 0 \end{matrix} & 0 ； & 1 \end{matrix} & 2 & 1 \end{matrix} \end{matrix} ］$ ，以及第一张图像中每个像素的转置形式。
计算 $我_{t}$ 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，并使用计算每个像素的平均速度 $［ \begin{matrix} 0 & 1 & \begin{matrix} 0 ； & 1 & \begin{matrix} 0 & 1 ； & \begin{matrix} 0 & 1 & 0 \end{matrix} \end{matrix} \end{matrix} \end{matrix} ］$ 卷积核。
迭代求解u而且v．

参考文献

[1]巴伦，J. L.弗里特，S. S.波舍明，T. A.伯基特。“光流技术的性能。”在计算机视觉与模式识别(CVPR)会议论文集236 - 242。香槟，伊利诺斯州:CVPR, 1992。

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

版本历史

介绍了R2015a

另请参阅

箭袋|opticalFlow|opticalFlowLKDoG|opticalFlowLK|opticalFlowFarneback