opticalFlowHS

用Horn-Schunck方法估计光流的目标

展开全部页面

描述

使用Horn-Schunck方法创建一个光流对象，用于估计移动对象的方向和速度。使用object函数estimateFlow估计光流矢量。使用重置对象函数，可以重置光流对象的内部状态。

创建

语法

opticFlow = opticalflows

opticFlow = opticalFlowHS(名称，值)

描述

opticFlow= opticalFlowHS返回一个光流对象，您可以使用它来估计视频中移动对象的方向和速度。光流估计采用Horn-Schunck方法。

例子

opticFlow= opticalFlowHS (名称,值）返回具有指定为一个或多个属性的光流对象名称,值对参数。任何未指定的属性都有默认值。将每个属性名用引号括起来。

例如,opticalFlowHS(“平滑”,1.5)

属性

全部展开

`平滑度`- - - - - -预期的平滑度
`1`(默认)|积极的标量

光流的预期平滑度，用正标量表示。当连续帧之间的运动增加时，增加此值。的典型值“平滑”大约是1．

`MaxIteration`- - - - - -最大迭代次数
`10`(默认)|正整数值标量

最大迭代次数，指定为正整数值标量。增加此值可估计低速物体的光流。

当迭代次数等于的值时，迭代计算停止“MaxIteration”或者当算法达到设置的值时“VelocityDifference”．仅通过使用停止计算“MaxIteration”，设置的值“VelocityDifference”来0．

`VelocityDifference`- - - - - -最小绝对速度差
`0`(默认)|积极的标量

最小绝对速度差，指定为正标量。此值取决于输入数据类型。减小此值可估计低速物体的光流。

当算法达到所设值时，迭代计算停止“VelocityDifference”或者迭代次数等于“MaxIteration”．仅供使用“VelocityDifference”若要停止计算，请设置“MaxIteration”来正．

对象的功能

`estimateFlow`	估计光流
`重置`	重置光流估计对象的内部状态

例子

全部折叠

用Horn-Schunck方法估计光流

打开实时脚本

创建一个VideoReader对象作为输入视频文件，visiontraffic.avi．指定读取帧的时间戳为11。

vidReader =视频阅读器(“visiontraffic.avi”，“CurrentTime”11);

指定光流估计方法为opticalFlowHS．输出是指定光流估计方法及其属性的对象。

opticFlow = opticalflows

opticFlow = opticalFlowHS属性:平滑度:1 MaxIteration: 10 VelocityDifference: 0

创建一个自定义图形窗口来可视化光流矢量。

H =数字;movegui (h);hViewPanel = uipanel(h，“位置”，[0 0 1 1]，“标题”，“光流矢量图”）;hPlot = axes(hViewPanel);

中读取图像帧VideoReader对象并转换为灰度图像。估计连续图像帧的光流。显示当前图像帧，并将光流向量绘制为颤振图。

而hasFrame(vidReader) frameRGB = readFrame(vidReader);frameGray = im2gray(frameRGB);flow = estimateFlow(opticFlow,frameGray);imshow (frameRGB)在情节(流,“DecimationFactor”, 5 [5],“ScaleFactor”现年60岁的“父”, hPlot);持有从暂停(10 ^ 3)结束

算法

全部展开

要计算两幅图像之间的光流，必须求解这个光流约束方程:

$我_{x} u + 我_{y} v + 我_{t} ＝ 0$

．

$我_{x}$ ， $我_{y}$ , $我_{t}$ 为图像的时空亮度导数。
u是水平光流。
v是垂直光流。

Horn-Schunck方法

通过假设光流在整个图像上是平滑的，霍恩-舒克方法估计了一个速度场， $［ \begin{matrix} u & v ］^{T} \end{matrix}$ ，使这个方程最小化:

$E ＝ \iint （我_{x} u + 我_{y} v + 我_{t} ）^{2} d x d y + α \iint ｛ {（ \frac{\partial u}{\partial x} ）}^{2} + {（ \frac{\partial u}{\partial y} ）}^{2} + {（ \frac{\partial v}{\partial x} ）}^{2} + {（ \frac{\partial v}{\partial y} ）}^{2} ｝ d x d y$

．

在这个方程中， $\frac{\partial u}{\partial x}$ 而且 $\frac{\partial u}{\partial y}$ 为光速分量的空间导数，u, $α$ 缩放全局平滑项。Horn-Schunck方法将前面的方程最小化，得到速度场，[u v]，表示图像中的每个像素。该方法由下式给出:

$\begin{array}{l} u_{x ， y}^{k + 1} ＝ {\bar{u}}_{x ， y}^{k} - \frac{我_{x} ［我_{x} {\bar{u}}^{k}_{x ， y} + 我_{y} {\bar{v}}^{k}_{x ， y} + 我_{t} ］}{α^{2} + 我_{x}^{2} + 我_{y}^{2}} \\ v_{x ， y}^{k + 1} ＝ {\bar{v}}_{x ， y}^{k} - \frac{我_{y} ［我_{x} {\bar{u}}^{k}_{x ， y} + 我_{y} {\bar{v}}^{k}_{x ， y} + 我_{t} ］}{α^{2} + 我_{x}^{2} + 我_{y}^{2}} \end{array}$

．

在这些方程中， $［ \begin{matrix} u_{x ， y}^{k} & v_{x ， y}^{k} \end{matrix} ］$ 像素点的速度估计值是(x, y), $［ \begin{matrix} {\bar{u}}_{x ， y}^{k} & {\bar{v}}_{x ， y}^{k} \end{matrix} ］$ 这个社区的平均水平是 $［ \begin{matrix} u_{x ， y}^{k} & v_{x ， y}^{k} \end{matrix} ］$ ．为K = 0，初速度为0。

来解决u而且v使用Horn-Schunck方法:

计算 $我_{x}$ 而且 $我_{y}$ 通过使用索贝尔卷积核， $［ \begin{matrix} - 1 & - 2 & \begin{matrix} \begin{matrix} \begin{matrix} - 1 ； & 0 & 0 \end{matrix} & 0 ； & 1 \end{matrix} & 2 & 1 \end{matrix} \end{matrix} ］$ ，以及第一张图像中每个像素的转置形式。
计算 $我_{t}$ 在图像1和2之间使用 $［ \begin{matrix} - 1 & 1 \end{matrix} ］$ 内核。
假设之前的速度为0，并计算每个像素的平均速度使用 $［ \begin{matrix} 0 & 1 & \begin{matrix} 0 ； & 1 & \begin{matrix} 0 & 1 ； & \begin{matrix} 0 & 1 & 0 \end{matrix} \end{matrix} \end{matrix} \end{matrix} ］$ 作为卷积核。
迭代求解u而且v．

参考文献

[1]巴伦，J. L.， D. J.弗利特，S. S.博切敏，T. A.伯基特。“光流技术的性能”在计算机视觉与模式识别(CVPR)会议论文集，236 - 242。香槟，伊利诺伊州:CVPR, 1992。

扩展功能

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

版本历史

在R2015a中引入

另请参阅

箭袋|opticalFlow|opticalFlowLKDoG|opticalFlowLK|opticalFlowFarneback