C++OpenCV如何实现KLT稀疏光流跟踪

这篇文章主要介绍了C++ OpenCV如何实现KLT稀疏光流跟踪，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

创新互联专注于企业成都营销网站建设、网站重做改版、黎城网站定制设计、自适应品牌网站建设、H5建站、购物商城网站建设、集团公司官网建设、成都外贸网站建设公司、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为黎城等各大城市提供网站开发制作服务。

实现原理

首先要在初始帧中检测特征点，之后在下一帧中尝试跟踪这些点。你必须找到新的图像帧中这些点的位置，因此，你必须在特征点的先前位置附近进行搜索，以找到下一帧中它的新位置。输入两个连续的图像帧以及第一幅图像中检测到的特征点数组，该函数将返回一组新的特征点为位置。为了跟踪完整的序列，你需要在帧与帧之间重复这个过程，不可避免地你也会丢失其中一些点，于是被跟踪的特征点数目会减少。为了解决这个问题，我们可以不时地检测新的特征值。

函数API

calcOpticalFlowPyrLK( InputArray prevImg, InputArray nextImg,
                                        InputArray prevPts, InputOutputArray nextPts,
                                        OutputArray status, OutputArray err,
                                        Size winSize = Size(21,21), int maxLevel = 3,
                                        TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01),
                                        int flags = 0, double minEigThreshold = 1e-4 );

参数说明：

prevImg：第一帧（跟踪图像的前一帧，一般是定位特征点）
nextImg：第二帧/当前帧
prev_Pts：第一帧特征点集
next_Pts：计算输出的第二帧光流特征点集
status ： 状态标志位，如果对应特征的光流被发现，数组中的每一个元素都被设置为 1，否则设置为 0。
err：双精度数组，包含原始图像碎片与移动点之间的误差。