opticalFlowHS

用Horn-Schunck方法估计光流的目标

全部展开页面

描述

创建一个光流对象，使用Horn-Schunck方法估计移动对象的方向和速度。使用对象函数estimateFlow来估计光流矢量。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 = opticalFlowHS

opticFlow = opticalFlowHS(名称、值)

描述

opticFlow= opticalFlowHS返回光流对象，可用于估计视频中移动对象的方向和速度。光流是使用Horn-Schunck方法估计的。

例子

opticFlow=光学流量(名称,值）返回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`- - - - - -期望平滑度
`1`(默认)|积极的标量

光流的预期平滑度，指定为正标量。当连续帧之间的运动增加时，增加此值。此值为“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对象的光流。

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对象的光流。

当算法达到设置的值时，迭代计算停止“VelocityDifference”或者迭代次数等于“MaxIteration”. 只用“VelocityDifference”若要停止计算，请设置“MaxIteration”来Inf．

对象的功能

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

例子

全部折叠

用Horn-Schunck方法估算光流

打开实时脚本

创建一个录像机对象的输入视频文件，visiontraffic.avi．指定要读取的帧的时间戳为11。

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

将光流估计方法指定为opticalFlowHS．输出是一个指定光流估计方法及其特性的对象。

opticFlow = opticalFlowHS

opticFlow = opticalFlowHS，具有平滑度: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=图形；movegui（h）；hViewPanel=uipanel（h，“位置”，[0 0 1 1]，“头衔”，“光流矢量图”）;hPlot =轴(hViewPanel);

读取图像帧从录像机对象和转换为灰度图像。估计连续图像帧的光流。显示当前图像帧并绘制光流矢量为抖动图。

虽然hasFrame(vidReader) frameRGB = readFrame(vidReader);frameGray = im2gray (frameRGB);流= estimateFlow (opticFlow frameGray);imshow (frameRGB)在…上绘图（流程，“DecimationFactor”, 5 [5],“ScaleFactor”现年60岁的“家长”等一下关暂停(10 ^ 3)结束

Figure包含一个Axis对象和一个uipanel类型的对象。Axis对象包含两个image类型的对象，quiver。

算法

全部展开

要计算两幅图像之间的光流，必须求解光流约束方程：

$我_{x} u + 我_{y} v + 我_{t} ＝ 0$

．

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

霍恩-舒克法

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

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

．

在这个等式中， $\frac{\partial u}{\partial x}$ 和 $\frac{\partial u}{\partial y}$ 为光速度分量的空间导数，u和 $α$ 度量全局平滑项。Horn-Schunck方法将前面的方程最小化，得到速度场，[u v，为图像中的每个像素。该方法由以下方程给出:

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

．

在这些方程式中， $［ \begin{matrix} u_{x ， y}^{k} & v_{x ， y}^{k} \end{matrix} ］$ 是当前像素的速度估计值(x, y), $［ \begin{matrix} {\bar{u}}_{x ， y}^{k} & {\bar{v}}_{x ， y}^{k} \end{matrix} ］$ 邻域平均值是 $［ \begin{matrix} u_{x ， y}^{k} & v_{x ， y}^{k} \end{matrix} ］$ ．为k = 0，初速度为0。

来解决u和v使用Horn-Schunck方法:

计算 $我_{x}$ 和 $我_{y}$ 通过使用Sobel卷积核 $［ \begin{matrix} - 1 & - 2 & \begin{matrix} \begin{matrix} \begin{matrix} - 1 ； & 0 & 0 \end{matrix} & 0 ； & 1 \end{matrix} & 2 & 1 \end{matrix} \end{matrix} ］$ ，以及第一幅图像中每个像素的转置形式。
计算 $我_{t}$ 使用 $［ \begin{matrix} - 1 & 1 \end{matrix} ］$ 内核。
假设之前的速度为0，并使用 $［ \begin{matrix} 0 & 1 & \begin{matrix} 0 ； & 1 & \begin{matrix} 0 & 1 ； & \begin{matrix} 0 & 1 & 0 \end{matrix} \end{matrix} \end{matrix} \end{matrix} ］$ 作为一个卷积核。
迭代求解u和v．

工具书类

[1] Barron、J.L.，D.J.Fleet、S.S.Beauchemin和T.A.Burkitt。《光流技术的性能》，载于IEEE计算机视觉和模式识别会议记录（CVPR），236 - 242。伊利诺伊州香槟市:CVPR, 1992年。

扩展功能

C / c++代码生成
使用Matlab®编码器生成C和C++代码™.

另请参阅

颤抖|opticalFlow|opticalFlowLKDoG|opticalFlowLK|光流法纳贝克

R2015a中引入

opticalFlowHS

描述

创建

语法

描述

属性

`平滑度`- - - - - -期望平滑度
`1`(默认)|积极的标量

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

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

对象的功能

例子

用Horn-Schunck方法估算光流

算法

霍恩-舒克法

工具书类

扩展功能

C / c++代码生成
使用Matlab®编码器生成C和C++代码™.

另请参阅

计算机视觉工具箱文档

金宝app

用MATLAB引入深度学习

opticalFlowHS

描述

创建

语法

描述

属性

平滑度- - - - - -期望平滑度1(默认)|积极的标量

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

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

对象的功能

例子

用Horn-Schunck方法估算光流

算法

霍恩-舒克法

工具书类

扩展功能

C / c++代码生成使用Matlab®编码器生成C和C++代码™.

另请参阅

计算机视觉工具箱文档

金宝app

用MATLAB引入深度学习

`平滑度`- - - - - -期望平滑度
`1`(默认)|积极的标量

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

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

C / c++代码生成
使用Matlab®编码器生成C和C++代码™.