计算光流利用社区处理子系统模块

检查模型

打开模型。

模型=“OpticalFlowNeighborhoodExample”;open_system(模型);

模型引用一个视频输入,rhinos.avi从多媒体文件,通过使用块从计算机视觉的工具箱。在每个迭代中,该模型通过当前和前一帧的视频DUT子系统,进行光流计算。这个计算输出一个光学流矩阵每个像素代表的视运动的视频。计算模型覆盖这些运动向量的输入视频。

打开DUT子系统。

这个例子使用Lucas-Kanade计算光流的方法。Lucas-Kanade方法需要的值 ${\mathit{我}}_{\mathit{x}}$, ${\mathit{我}}_{\mathit{y}}$, ${\mathit{我}}_{\mathit{t}}$衍生品的像素亮度沿着水平方向,垂直方向,分别和时间。

的计算第九社区处理子系统计算 ${\mathit{我}}_{\mathit{x}}$通过使用1-by-5社区,这些块。附近的控制块NeighborhoodConfig使用其指定社区大小邻域大小参数。

的计算Iy子系统的计算 ${\mathit{我}}_{\mathit{y}}$同一块和5-by-1社区。该模型计算 ${\mathit{我}}_{\mathit{t}}$是当前视频帧之间的差异和之前的视频帧使用和块。

卧式光学流 $\mathit{u}$和垂直光流 $\mathit{v}$代表这个方程的解。

解这个方程,Lucas-Kanade方法将输入图像划分为较小的部分,每个部分假设一个恒定的速度。然后进行加权,最小二乘匹配光流约束方程的常数模型 ${\left(\mathit{u}\mathit{v}\right]}^{\mathit{T}}$在每个部分 $\Omega$。了通过最小化这个方程,拟合的方法达到这个地方 $\mathit{W}$是一个窗口函数,强调约束每个部分的中心:

最小化问题的解决方案是:

计算的例子 ${\mathit{我}}_{\mathit{x}}^2$, ${\mathit{我}}_{\mathit{x}}{\mathit{我}}_{\mathit{y}}$, ${\mathit{我}}_{\mathit{y}}^2$, ${\mathit{我}}_{\mathit{x}}{\mathit{我}}_{\mathit{y}}$, ${\mathit{我}}_{\mathit{y}}{\mathit{我}}_{\mathit{t}}$通过使用产品。这个例子实现了 $\mathit{W}$通过使用与5-by-5社区社区处理子系统模块。

打开路的方法子系统。

的计算特征值社区处理子系统的特征值计算 $\mathit{一个}=\left(\begin{array}{cc}\mathit{一个}& \mathit{b}\\ \mathit{c}& \mathit{d}\end{array}\right]=\left(\begin{array}{cc}\underset{}{\overset{}{\sum }}{\mathit{W}}^2{\mathit{我}}_{\mathit{x}}^2& \underset{}{\overset{}{\sum }}{\mathit{W}}^2{\mathit{我}}_{\mathit{x}}{\mathit{我}}_{\mathit{y}}\\ \underset{}{\overset{}{\sum }}{\mathit{W}}^2{\mathit{我}}_{\mathit{x}}{\mathit{我}}_{\mathit{y}}& \underset{}{\overset{}{\sum }}{\mathit{W}}^2{\mathit{我}}_{\mathit{y}}^2\end{array}\right]$通过求解方程 ${\lambda }_{\mathit{我}}=\frac{\mathit{一个}+\mathit{c}}{2}\pm \frac{\sqrt{4{\mathit{b}}^2+{\left(\mathit{一个}+\mathit{c}\right)}^2}}{2};\mathit{我}=1,2$。

例子实现了其余的Lucas-Kanade方法使用条件子系统和MATLAB函数块。这些计算的信息,请参阅opticalFlowLK(计算机视觉工具箱)。

仿真和结果

模拟模型。

evalc(模型);

模型显示输入的视频与向量覆盖,代表光流。