LK稀疏光流运动目标检测.docx

算法流程简析1 .定义特征参数（获取角点的函数输入参数，包括最大角点数，最小角点质量，最小角点间距，离散卷积块大小）2 .定义LK运算参数（窗口大小（每个金字塔水平搜索尺寸），金字塔层数，终止条件）3 .随机生成颜色用于后续角点染色4 .读取并转化为灰度图像5 .通过goodfeaturestotrack函数获取角点（特征点）6 .定义与图像同大小的mask用于后续轨迹绘制7 .进入While循环，若没有读取到下一帧则退出8 .利用CaICOPtiCaIF1。WPyrLK函数，输入上一帧，当前帧，上一帧的角点。输出PI为当前帧角点，st为是否找到角点。9 .成功找到则将上一帧角点赋予good_old,下一帧角点赋予good_new。10 .通过两帧角点信息goodOld与goodnew绘制角点的位移轨迹，通过add函数将原图与轨迹图相加11 .显示，更新p,进入下一帧分析：由于角点为算法最初选定，若后续场景、目标变动较大时，容易发生角点丢失现象，准确度会下降。但LK稀疏光流仅选取了部分特征点运算，计算量小，运算速度快。函数原型：nextPts,status,err=cv2.CalcopticalflowpyrLK(prevlmg,nextlmg,prevPts,nextPts,status,err,winsize,maxlevel,criteria,flags,mineigthreshold)PreVimg:前一帧nextimg:后一帧prevPts:待跟踪的特征点向量nextPts:输出跟踪特征点向量StatUS:特征点是否找到,找到为1,否则为0；ew:输出错误向量WinSiZe:搜索窗口大小maxlevel:最大金字塔层数flags:可选标识OPTFLOW_USE_INITIAL_FLOW与OPTFLOW_LKGETMIN_EIGENVALS初始特征点：Cv2.goodfeaturestotrack(image,maxcorners,qualitylevel,mindistance,corners,mask,blocksize,Useharrisdetector,k)Image:输入单通道图像，8,32bitMaxcorners:最大角点数Qualitylevel:最小可接受角点质量MindiStanCe:角点间最小距离Corners:输出检测到的角点MaSk:需要检测的区域BloCkSiZe:计算离散卷积块的大小USeharriSdeteCtor:是否使用harris角点