Un échantillon complet du flux optique d'OpenCV

HSV

(Mise à jour 2016.5.7) Prise en charge de Raspberry Pi (Mis à jour le 22 septembre 2016) Correction de l'orthographe du professeur Kanade ⇒ Takeo Kanade, l'homme qui a donné des "yeux" au robot: Meet the Legend | WIRED.jp 04 / interview-takeo-kanade /)

introduction

Optical Flow | Wikipedia est l'une des méthodes d'analyse du mouvement des images. Lorsque je veux l'utiliser, j'ai rassemblé un échantillon facile à essayer.

Vous pouvez trouver quelques exemples de Flux optique | Wikipedia en recherchant sur le Web. Surtout, les articles d'OpenCV et les exemples joints sont faciles à comprendre.

Optical Flow | OpenCV

Aussi, surtout ici, en principe, il est très utile,

Image dynamique capturée par OpenCV, Optical Flow | Qiita

L'explication suivante liée à partir de là est très facile à comprendre et vous aidera à réfléchir à la façon de l'appliquer.

Meeting of Quantitative Biology Tutorial Que font les chercheurs en informatique de l'image?

J'ai essayé quelques trucs, et en guise de "résumé", j'ai essayé de rendre possible une vérification complète du mouvement lorsque la vidéo de la webcam était entrée dans OpenCV. (Les échantillons peuvent être dispersés en morceaux)

Je l'ai mis sur Github

daisulelab/cv_opt_flow | Github

Je l'ai mis ici. cloner

$ git clone https://github.com/daisukelab/cv_opt_flow.git
$ cd cv_opt_flow

Vous pouvez l'essayer en exécutant main.py (* caméra requise, ordinateur portable intégré, etc.).

Pour Raspberry Pi, exécutez raspi_main.py.

$ python main.py Hit followings to switch to: 1 - Dense optical flow by HSV color image (default); 2 - Dense optical flow by lines; 3 - Dense optical flow by warped image; 4 - Lucas-Kanade method.

Hit 's' to save image.

Hit 'f' to flip image horizontally.

Hit ESC to exit. (La fenêtre d'aperçu s'ouvre et les résultats de l'analyse sont affichés en temps réel)