OpenCV4中DIS光流算法与应用
OpenCV4中DIS光流算法与应用
OpenCV学堂
发布于 2019-10-11 12:08:43
发布于 2019-10-11 12:08:43
点击上方↑↑↑“OpenCV学堂”关注我
OpenCV4中新光流算法 - DIS光流
OpenCV中KLT稀疏光流算法与FB稠密光流算法都是十年前的算法，没有反应出光流算法的最新进展，这个跟OpenCV其它模块相比，光流算法模块的更新明显滞后、OpenCV4发布终于把DIS光流算法包含到正式的发布版中。相对于FB光流基于多项式实现光流移动估算，DIS光流采用反向搜索与梯度下降寻求最优化来解决移动估算，不但降低了计算量、而且提升了精准度与实时性能。是一种可以实时运行的视频运动分析算法。
DIS光流算法
01
DIS(稠密逆搜索)光流算法主要有三个核心部分组成
- 对应关系的快速逆搜索
- 多尺度推理的快速光流
- 快速的变分求精
以前的FB光流基于多项式方式，是基于像素级别的光流估算、非常耗时、这里作者提出基于块级别的相关性反向搜索，实现一次计算梯度，多次反向搜索使用，不用每次重新初始化计算梯度，节省了大量计算，从而提高了性能。基于网格化实现反向搜索、稠化光流与优化。完整的流程如下：
运行效果
OpenCV中的代码演示
02
创建DIS光流实例与调用计算光流
C++版本
Ptr<DenseOpticalFlow> algorithm = DISOpticalFlow::create(DISOpticalFlow::PRESET_FAST);
algorithm->calc(preGray, gray, flow);Python版本
dis = cv.DISOpticalFlow_create(1)
flow = dis.calc(prvs,next, None,)这里创建DIS支持三种计算方式如下：
PRESET_ULTRAFAST = 0,
PRESET_FAST = 1,
PRESET_MEDIUM = 2主要的区别选择不同的算法迭代优化测次数不一样、计算耗时也不一样。运行效果如下：
完整的python版本演示代码
import cv2 as cv
import numpy as np
cap = cv.VideoCapture("D:/images/video/vtest.avi")
# https://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/
ret, frame1 = cap.read()
prvs = cv.cvtColor(frame1,cv.COLOR_BGR2GRAY)
hsv = np.zeros_like(frame1)
hsv[...,1] = 255
dis = cv.DISOpticalFlow_create()
while(1):
ret, frame2 = cap.read()
next = cv.cvtColor(frame2,cv.COLOR_BGR2GRAY)
flow = dis.calc(prvs,next, None,)
# flow = cv.calcOpticalFlowFarneback(prvs,next, None, 0.5, 3, 15, 3, 5, 1.2, 0)
mag, ang = cv.cartToPolar(flow[...,0], flow[...,1])
hsv[...,0] = ang*180/np.pi/2
hsv[...,2] = cv.normalize(mag,None,0,255,cv.NORM_MINMAX)
bgr = cv.cvtColor(hsv,cv.COLOR_HSV2BGR)
cv.imshow('result',bgr)
cv.imshow('input', frame2)
k = cv.waitKey(30) & 0xff
if k == 27:
break
elif k == ord('s'):
cv.imwrite('opticalfb.png',frame2)
cv.imwrite('opticalhsv.png',bgr)
prvs = next
cap.release()
cv.destroyAllWindows()说实话，明显比FB与KLT光流法都要速度快，效果也是很好，DIS光流必须有!
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2019-10-08，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读