opticalFlowHS

Horn-Schunck法を使用してオプティカルフローを推定するオブジェクト

説明

Horn-Schunck法を使用して移動するオブジェクトの方向と速度を推定するオプティカルフローオブジェクトを作成します。オブジェクト関数estimateFlowを使用して,オプティカルフローベクトルを推定します。オブジェクト関数重置を使用すると,オプティカルフローオブジェクトの内部状態をリセットできます。

作成

構文

opticFlow = opticalFlowHS

opticFlow = opticalFlowHS(名称、值)

説明

opticFlow= opticalFlowHSは,ビデオ内の移動するオブジェクトの方向と速度の推定に使用できるオプティカルフローオブジェクトを返します。オプティカルフローはHorn-Schunck法を使用して推定されます。

例

opticFlow= opticalFlowHS (名称,值）は1つ以上の名称,值のペアの引数として指定されたプロパティを使用してオプティカルフローオブジェクトを返します。指定していないプロパティはすべて既定値になります。各プロパティ名を引用符で囲みます。

たとえば,opticalFlowHS(“平滑”,1.5)です。

プロパティ

すべて展開する

`平滑度`- - - - - -必要な平滑度
`1`(既定値) |正のスカラー

オプティカルフローの必要な平滑度。正のスカラーとして指定します。連続フレーム間に動きの増加がある場合はこの値を大きくします。“平滑”の標準値は約1です。

`MaxIteration`- - - - - -最大反復回数
`10`(既定値) |正の整数値スカラー

最大反復回数。正の整数値スカラーとして指定します。低速のオブジェクトのオプティカルフローを推定するには,この値を大きくします。

反復的な計算は,反復回数が“MaxIteration”の値と等しくなるか,アルゴリズムが“VelocityDifference”に設定された値に達すると停止します。“MaxIteration”のみを使用して計算を停止するには,“VelocityDifference”の値を0に設定します。

`VelocityDifference`- - - - - -最小速度差の絶対値
`0`(既定値) |正のスカラー

最小速度差の絶対値。正のスカラーとして指定します。この値は入力データ型によって異なります。低速のオブジェクトのオプティカルフローを推定するには、この値を小さくします。

反復的な計算は,アルゴリズムが“VelocityDifference”に設定された値に達するか,反復回数が“MaxIteration”と等しくなると停止します。“VelocityDifference”のみを使用して計算を停止するには,“MaxIteration”を正に設定します。

オブジェクト関数

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

例

すべて折りたたむ

Horn-Schunck法を使用したオプティカルフローの推定

ライブスクリプトを開く

入力ビデオファイルvisiontraffic.aviのVideoReaderオブジェクトを作成します。読み取るフレームのタイムスタンプを11と指定します。

vidReader = VideoReader (“visiontraffic.avi”，“CurrentTime”11);

オプティカルフロー推定法をopticalFlowHSと指定します。出力はオブジェクトで,オプティカルフロー推定法とそのプロパティを指定します。

opticFlow = opticalFlowHS

opticFlow = opticalFlowHS，具有平滑度:1 MaxIteration: 10 VelocityDifference: 0

カスタム图ウィンドウを作成して,オプティカルフローベクトルを可視化します。

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

イメージフレームをVideoReaderオブジェクトから読み取って,グレースケールイメージに変換します。連続するイメージフレームからオプティカルフローを推定します。現在のイメージフレームを表示して,オプティカルフローベクトルを颤抖プロットとしてプロットします。

而hasFrame(vidReader) frameRGB = readFrame(vidReader);frameGray = im2gray (frameRGB);流= 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

图包含一个轴和一个uipanel类型的对象。坐标轴包含2个类型为image, quiver的对象。

アルゴリズム

すべて展開する

2つのイメージ間のオプティカルフローを計算するには,次のオプティカルフロー拘束方程式を解かなければなりません。

$我_{x} u + 我_{y} v + 我_{t} ＝ 0$

$我_{x}$ 、 $我_{y}$ および $我_{t}$ は,時空間イメージの明るさの導関数です。
uは水平方向のオプティカルフローです。
vは垂直方向のオプティカルフローです。

Horn-Schunck法

Horn-Schunck法では,オプティカルフローがイメージ全体にわたって平滑であると仮定して,次の方程式を最小化する速度フィールド $［ \begin{matrix} u & v ］^{T} \end{matrix}$ を推定します。

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

．

この方程式の $\frac{\partial u}{\partial x}$ と $\frac{\partial u}{\partial y}$ はオプティカル速度成分uの空間導関数で, $α$ はグローバルな平滑化項をスケーリングします。Horn-Schunck法では、上記の方程式を最小化して、イメージ内のピクセルごとに速度フィールド [u v]を取得します。この手法は次の方程式で求められます。

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

．

これらの方程式の $［ \begin{matrix} u_{x ， y}^{k} & v_{x ， y}^{k} \end{matrix} ］$ は(x, y)のピクセルの速度推定値で, $［ \begin{matrix} {\bar{u}}_{x ， y}^{k} & {\bar{v}}_{x ， y}^{k} \end{matrix} ］$ は $［ \begin{matrix} u_{x ， y}^{k} & v_{x ， y}^{k} \end{matrix} ］$ の近傍平均値です。k = 0の場合,初期速度は0です。

Horn-Schunck法を使用してuとvを求めるには以下のようにします。

最初のイメージ内のピクセルごとに,ソーベル畳み込みカーネル $［ \begin{matrix} - 1 & - 2 & \begin{matrix} \begin{matrix} \begin{matrix} - 1 ； & 0 & 0 \end{matrix} & 0 ； & 1 \end{matrix} & 2 & 1 \end{matrix} \end{matrix} ］$ とその転置を使用して, $我_{x}$ と $我_{y}$ を計算します。
$［ \begin{matrix} - 1 & 1 \end{matrix} ］$ カーネルを使用して,イメージ1と2の間の $我_{t}$ を計算します。
上記の速度が0であると仮定し, $［ \begin{matrix} 0 & 1 & \begin{matrix} 0 ； & 1 & \begin{matrix} 0 & 1 ； & \begin{matrix} 0 & 1 & 0 \end{matrix} \end{matrix} \end{matrix} \end{matrix} ］$ を畳み込みカーネルとして使用して各ピクセルの平均速度を計算します。
uとvを反復して求めます。

参照

Barron, J. L.， D. J. Fleet, S. S. Beauchemin和T. A. Burkitt。光流技术的性能。计算机视觉与模式识别(CVPR)， 2015, 36(6): 741 - 741。伊利诺伊州香槟市:CVPR, 1992年。

拡張機能

C / c++コード生成
MATLAB®编码器™を使用してCおよびc++コードを生成します。

参考

箭袋|opticalFlow|opticalFlowLKDoG|opticalFlowLK|opticalFlowFarneback

R2015aで導入

opticalFlowHS

説明

作成

構文

説明

プロパティ

`平滑度`- - - - - -必要な平滑度
`1`(既定値) |正のスカラー

`MaxIteration`- - - - - -最大反復回数
`10`(既定値) |正の整数値スカラー

`VelocityDifference`- - - - - -最小速度差の絶対値
`0`(既定値) |正のスカラー

オブジェクト関数

例

Horn-Schunck法を使用したオプティカルフローの推定

アルゴリズム

Horn-Schunck法

参照

拡張機能

C / c++コード生成
MATLAB®编码器™を使用してCおよびc++コードを生成します。

参考

计算机视觉工具箱ドキュメンテーション

サポート

MATLABで始めるディープラーニング

opticalFlowHS

説明

作成

構文

説明

プロパティ

平滑度- - - - - -必要な平滑度1(既定値) |正のスカラー

MaxIteration- - - - - -最大反復回数10(既定値) |正の整数値スカラー

VelocityDifference- - - - - -最小速度差の絶対値0(既定値) |正のスカラー

オブジェクト関数

例

Horn-Schunck法を使用したオプティカルフローの推定

アルゴリズム

Horn-Schunck法

参照

拡張機能

C / c++コード生成MATLAB®编码器™を使用してCおよびc++コードを生成します。

参考

计算机视觉工具箱ドキュメンテーション

サポート

MATLABで始めるディープラーニング

`平滑度`- - - - - -必要な平滑度
`1`(既定値) |正のスカラー

`MaxIteration`- - - - - -最大反復回数
`10`(既定値) |正の整数値スカラー

`VelocityDifference`- - - - - -最小速度差の絶対値
`0`(既定値) |正のスカラー

C / c++コード生成
MATLAB®编码器™を使用してCおよびc++コードを生成します。