0
我使用以下函數作爲我的跟蹤算法的基礎。找到每個像素的光流opencv
// 1。檢測功能 我的意思,這個函數提取的唯一好等特點,
cv::goodFeaturesToTrack(gray_prev, // the image
features, // the output detected features
max_count, // the maximum number of features
qlevel, // quality level
minDist); // min distance between two features
// 2.跟蹤功能
cv::calcOpticalFlowPyrLK(
gray_prev, gray, // 2 consecutive images
points_prev, // input point positions in first im
points_cur, // output point positions in the 2nd
status, // tracking success
err); // tracking error
cv::calcOpticalFlowPyrLK
需要從以前的圖像點向量作爲輸入,並返回下一張照片上的適當點。 假設我要計算每個pixle代替良好特徵
的opical流,開始計算從(1,1)到(M,N)
[Opencv跟蹤使用光流]的可能的副本(http://stackoverflow.com/questions/9701276/opencv-tracking-using-optical-flow) –
@RogerRowland不,這個問題是不一樣的。 –
我也可以提出這個建議嗎?它被稱爲相位相關:http://stackoverflow.com/questions/16718241/lucas-kanade-dense-optical-flow/21007222#21007222 –