基于 OpenCV 图像的光流场答案

【问题标题】：OpenCV image-based optical flow field基于 OpenCV 图像的光流场
【发布时间】：2013-10-24 06:38:11
【问题描述】：

我正在寻找一种简单的算法来检测整个输入的光流。在 OpenCV 中，Lucas-Kanade 点跟踪功能非常好，但是对于超过少数几个点来说它非常慢。我正在寻找基于图像的结果，而不是基于点的结果。我能找到的唯一信息是关于 LK 跟踪的信息。

我可以根据简单的帧差计算运动的幅度，但我也想知道方向。我基本上想得到一个光流场纹理，我可以将其输入到 gpu 流体模拟中。

必须有一些基于基本运动检测器或其他东西的简单算法。类似于帧差分、缩放和模糊与 3 个连续帧的组合。

为了非常清楚，我不想要有关 Lucas-Kanade 方法的信息。

【问题讨论】：

Horn-Schunck 方法怎么样？
我是在 C++ 中使用来自here 的 calcOpticalFlowFarneback 完成的。在可视化过程中使用 cv::split 和 cv::merge 操作 HSV 平面和 cv::Mat.convertTo。

【解决方案1】：

OpenCV 有一个 BackgroundSubtractor 类可以进行帧差分，我想你必须自己做模糊部分。然而，这并不是严格意义上的光流计算。

Farneback 有一种用于密集光流的方法，在 OpenCV 中通过cv::calcOpticalFlowFarneback(..) 方法实现。它将生成具有大小和方向分量的矩阵“流”。 Horn-Schunck 方法不是 OpenCV 的内置方法。

PS：Lukas Kanade 不是很慢。可能是特征点的提取速度很慢。尝试使用 cv::FAST 检测器。

【讨论】：