farneback稠密光流运动目标检测.docx

Farneback稠密光流算法1 .读取文件2 .转为灰度3 .初始化生成同形状HSV元组4 .将HSV第二列全置为255,第二列表示色彩纯度。5 .进入while循环遍历每一帧，调用calcptica1FlOwFarneback函数计算前一帧与当前帧的光流，输出为flow（每点的像素位移值）6 .CartToPolar函数计算flow第一列与第二列梯度大小与方向，用于将直角坐标系光流场转化为极坐标系下光流场输出幅度mag与角度ang7 .计算角度ang,从弧度转化为角度制，赋予HSv第一列8 .利用nomalize归一化函数，NORkLMlNMAX线性归一化，将Inag按比例缩放在0255之间。赋予HSV第三列9 .HSV转为BGR图像解析：稠密光流算法对输入图像的每一个像素点都进行了计算，计算量大，运算时间较长，但更为准确。计算的输出结果中，图像中的颜色表示着该像素点的运行方向，同方向运动的点颜色相同。图像的亮度表示着该像素点运动的速度，速度越快则越亮。（缓慢行走的人，与镜头旋转结合，黑色区域为相对静止不动的）学习笔记：HSV颜色空间：HSV是一种将RGB色彩模型中的点在圆柱坐标系中的表示法，这种表示法试图做到比基于笛卡尔坐标系的几何结构RGB更加直观。H：色调，O红，120绿，240蓝S:纯度，(HV：亮度0255cv2.calcpticalFlOwFarneback(prev,next,fIowO,pyrscale,levels,winsize,interation,poly_n,poly_sigma,flags)prev:输入前一帧图像next。:输入后一帧图像floM:输出光流pyr_scal:金字塔上下层尺度关系IeVeIS:金字塔层数WinSiZe:均值窗口大小，越大越能dcnoise并检测快速移动目标，但会引起模糊运动区域。Interation:迭代次数Poly_n:像素邻域范围大小一般为5.7等Poly_sigma:高斯标准差一般为11.5FlagS:计算方法：optflow_use_initial_flow与optf1ow_farneback_gaussian