企业网站建设门户,女生做新媒体运营是不是很累,建站工具的优点,公司官网如何制作目录 1.简介
2.代码实现 1.简介
基于单目的光流法是一种常见的计算机视觉技术#xff0c;用于估计图像序列中物体的运动速度。它通过分析连续帧之间的像素变化来推断物体在图像中的移动情况。
背景#xff1a; 光流法是计算机视觉领域中最早的运动估计方法之一#xff0c…目录 1.简介
2.代码实现 1.简介
基于单目的光流法是一种常见的计算机视觉技术用于估计图像序列中物体的运动速度。它通过分析连续帧之间的像素变化来推断物体在图像中的移动情况。
背景 光流法是计算机视觉领域中最早的运动估计方法之一最早由Horn和Schunck在1981年提出。它基于光流假设即相邻帧上的像素具有相似的灰度值且相似的像素在移动过程中会产生相同的位移。光流法不仅可以用于物体的运动跟踪和姿态估计还可以应用于目标检测、行为分析、视频压缩等领域。 意义 基于单目的光流法进行速度测量在实际应用中具有广泛的意义以下是其中一些重要的方面 交通监控和智能交通通过分析交通摄像头拍摄的连续图像序列可以估计车辆、行人或其他交通参与者的速度。这对于交通管理、拥堵监测、事故预警等都非常重要。 运动分析和姿态估计光流法可以帮助理解物体的运动行为如运动目标的速度、加速度以及物体的姿态变化。这对于运动分析、动作捕捉和姿态估计等应用非常有价值比如在体育训练、动画制作和人机交互中广泛应用。 视频增强和稳定利用光流法可以对图像序列进行运动补偿和稳定减少图像中的抖动或运动模糊。这对于视频增强、图像合成和虚拟现实等应用非常重要。 无人驾驶和机器人导航光流法可以帮助无人驾驶车辆和机器人估计周围环境中物体的运动状态和速度信息从而更好地规划路径、避障和控制运动。
总之基于单目的光流法测速在多个领域具有广泛的应用前景能够提供有关物体运动速度和行为的关键信息从而为实时控制、决策和分析提供支持。 2.代码实现
光流法是一种基于图像序列的运动估计方法其中涉及到的主要函数包括 cv2.calcOpticalFlowPyrLK()该函数用于计算稀疏光流。它接受前一帧图像和当前帧图像作为输入并根据给定的特征点或兴趣区域跟踪这些特征点在两个图像之间的位置变化。函数返回被成功追踪的特征点的新位置以及一个状态值。 cv2.calcOpticalFlowFarneback()该函数用于计算稠密光流。它接受前一帧图像和当前帧图像作为输入并估计整个图像中每个像素点的运动向量。函数返回每个像素点的光流向量值。 cv2.goodFeaturesToTrack()该函数用于在图像中检测良好的特征点。它接受输入图像和一些参数如角点检测方法、特征点数量等并返回检测到的良好特征点的坐标。 cv2.drawOpticalFlow()该函数用于可视化光流结果。它接受一张彩色图像和光流向量作为输入并在图像上绘制箭头表示运动方向和强度。
这些函数是常见的在OpenCV库中使用的光流算法相关函数可以帮助实现光流法的运动估计和分析。根据具体的应用场景和需求您可以选择合适的函数进行使用和调整参数。
像素级测速真实世界测速需要拿到相机内参
import cv2
import time
import numpy as np
from ours import *# 打开摄像头(也可打开视频文件)cap cv2.VideoCapture(./10.mp4)# onnx_path yolov5s.onnx
# model Yolov5ONNX(onnx_path)# 创建随机颜色向量用于绘制光流向量
color np.random.randint(0, 255, (100, 3))# 获取第一帧图像
ret, frame_pre cap.read()
frame_preGray cv2.cvtColor(frame_pre, cv2.COLOR_BGR2GRAY)# 设置角点检测参数
feature_params dict(maxCorners50, qualityLevel0.3, minDistance7, blockSize7)# 设置光流法参数
lk_params dict(winSize(15, 15), maxLevel2, criteria(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))# 获取第一帧角点
p0 cv2.goodFeaturesToTrack(frame_preGray, maskNone, **feature_params)# 创建蒙版
mask np.zeros_like(frame_pre)while True:# 获取当前帧图像ret, frame cap.read()img frame.copy()# or_img, box_coords model.detect(img)frameGray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 使用光流法计算运动向量p1, st, err cv2.calcOpticalFlowPyrLK(frame_preGray, frameGray, p0, None, **lk_params)# 选择好的特征点good_new p1[st 1]good_old p0[st 1]# 绘制每个特征点的光流向量for i, (new, old) in enumerate(zip(good_new, good_old)):a, b new.ravel()c, d old.ravel()mask cv2.line(mask, (int(a), int(b)), (int(c), int(d)), color[i].tolist(), 2)frame cv2.circle(frame, (int(a), int(b)), 5, color[i].tolist(), -1)# 绘制运动速度直方图magnitude, angle cv2.cartToPolar(good_new[..., 0] - good_old[..., 0], good_new[..., 1] - good_old[..., 1])hist, bins np.histogram(magnitude, bins50)bin_mids (bins[:-1] bins[1:]) / 2.speed bin_mids[np.where(hist np.max(hist))[0][0]]# 将光流运动轨迹叠加到原始图像上img cv2.add(frame, mask)# 显示结果图像cv2.imshow(frame, img)if cv2.waitKey(1) 0xFF ord(q):break# 更新下一帧的角点frame_preGray frameGray.copy()p0 good_new.reshape(-1, 1, 2)# 输出速度信息print(当前速度为: {:.2f} 像素/帧.format(speed))# 释放摄像头并关闭窗口
cap.release()
cv2.destroyAllWindows()当前速度为: 0.55 像素/帧 当前速度为: 0.82 像素/帧 当前速度为: 0.34 像素/帧 当前速度为: 0.56 像素/帧 当前速度为: 0.22 像素/帧 当前速度为: 1.03 像素/帧 当前速度为: 1.33 像素/帧
