opencv3/C++实现光流点追踪

void calcOpticalFlowPyrLK(InputArray prevImg, //第一个8位输入图像或者通过 buildOpticalFlowPyramid()建立的金字塔InputArray nextImg,//第二个输入图像或者和prevImg相同尺寸和类型的金字塔InputArray prevPts, //二维点向量存储找到的光流；点坐标必须是单精度浮点数InputOutputArray nextPts,//输出二维点向量（用单精度浮点坐标）包括第二幅图像中计算的输入特征的新点位置；当OPTFLOW_USE_INITIAL_FLOW 标志通过，向量必须有和输入一样的尺寸。OutputArray status, //输出状态向量（无符号char）；如果相应的流特征被发现，向量的每个元素被设置为1，否则，被置为0.OutputArray err,//输出错误向量；向量的每个元素被设为相应特征的一个错误，误差测量的类型可以在flags参数中设置；如果流不被发现然后错误未被定义（使用status（状态）参数找到此情形）。Size winSize = Size(21,21), //在每个金字塔水平搜寻窗口的尺寸。int maxLevel = 3,//最大金字塔层数; 如果设置为0，则不使用金字塔（单层），如果设置为1，则使用两个层次，依此类推; 如果将金字塔传递给输入，则算法将使用与金字塔一样多的级别，但不超过maxLevel。TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01),//指定迭代搜索算法的终止标准（指定的最大迭代次数criteria.maxCount或搜索窗口移动小于criteria.epsilon）int flags = 0, //操作标志double minEigThreshold = 1e-4 //计算光流方程的2×2标准矩阵的最小特征值除以窗口中的像素数量;如果这个值小于minEigThreshold，那么一个相应的特征被过滤出来，且它的光流不被处理，所以它允许去除坏点提升性能。);

#include<opencv2/opencv.hpp>using namespace cv;//光流跟踪Mat frame, gray, pr_frame, pr_gray;std::vector<Point2f> inPoints;std::vector<Point2f> fpts[2];void trackFeature();int main(){  VideoCapture capture;  capture.open(0);  if(!capture.isOpened())  {    printf("can not open the camear....../n");    return -1;  }  namedWindow("input", CV_WINDOW_AUTOSIZE);  namedWindow("output", CV_WINDOW_AUTOSIZE);  while (capture.read(frame))  {      cvtColor(frame, gray, COLOR_BGR2GRAY);    if (fpts[0].size() < 40)    {      imshow("input", frame);      std::vector<Point2f> features;      //角点检测      goodFeaturesToTrack(gray, features, 300, 0.01, 10);      fpts[0].insert(fpts[0].end(), features.begin(), features.end());      inPoints.insert(inPoints.end(), features.begin(), features.end());    }    else      printf("object tracking....../n");     if (pr_gray.empty())       gray.copyTo(pr_gray);    trackFeature();    for (int i = 0; i < fpts[0].size(); i++)       circle(frame, fpts[0][i], 2, Scalar(0,255,0),2,8,0);    gray.copyTo(pr_gray);    frame.copyTo(pr_frame);    imshow("output", frame);    waitKey(1);  }  waitKey(0);  capture.release();  return 0;}void trackFeature(){  std::vector<uchar> status;  std::vector<float> errors;  //计算稀疏特征集的光流  calcOpticalFlowPyrLK(pr_gray, gray, fpts[0], fpts[1], status, errors);  int k = 0;  for (int i = 0; i < fpts[1].size(); i++)  {    double dist = abs(fpts[0][i].x-fpts[1][i].x) + abs(fpts[0][i].y-fpts[1][i].y);    if (dist > 2 && status[i])    {      inPoints[k] = inPoints[i];      fpts[1][k++] = fpts[1][i];    }  }  inPoints.resize(k);  fpts[1].resize(k);  //绘制光流轨迹  RNG rng(0);   for (int i = 0; i < fpts[0].size(); i++)  {    Scalar color = Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255));    line(frame, inPoints[i], fpts[1][i], color,2);    circle(frame, fpts[1][i], 2, Scalar(0,255,255),2);  }  std::swap(fpts[1], fpts[0]);}