程序博客网 > windows xp 怎么升级

TLD（Tracking-Learning-Detection）学习与源码理解之（五）

来源：互联网 发布：windows xp 怎么升级 编辑：程序博客网 时间：2024/06/07 00:22

本文转自http://blog.csdn.net/zouxy09/article/details/7893056

下面是自己在看论文和这些大牛的分析过程中，对代码进行了一些理解，但是由于自己接触图像处理和机器视觉没多久，另外由于自己编程能力比较弱，所以分析过程可能会有不少的错误，希望各位不吝指正。而且，因为编程很多地方不懂，所以注释得非常乱，还海涵。

LKTracker.h

[cpp] view plaincopyprint?
  1. #include<tld_utils.h>   
  2. #include <opencv2/opencv.hpp>   
  3.   
  4. //使用金字塔LK光流法跟踪，所以类的成员变量很多都是OpenCV中calcOpticalFlowPyrLK()函数的参数  
  5. class LKTracker{  
  6. private:  
  7.   std::vector<cv::Point2f> pointsFB;  
  8.   cv::Size window_size;  //每个金字塔层的搜索窗口尺寸   
  9.   int level;            //最大的金字塔层数  
  10.   std::vector<uchar> status;   //数组。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  
  11.   std::vector<uchar> FB_status;     
  12.   std::vector<float> similarity;  //相似度  
  13.   std::vector<float> FB_error;   //Forward-Backward error方法，求FB_error的结果与原始位置的欧式距离  
  14.                                  //做比较，把距离过大的跟踪结果舍弃  
  15.   float simmed;  
  16.   float fbmed;  
  17.   //TermCriteria模板类，取代了之前的CvTermCriteria，这个类是作为迭代算法的终止条件的  
  18.   //该类变量需要3个参数，一个是类型，第二个参数为迭代的最大次数，最后一个是特定的阈值。  
  19.   //指定在每个金字塔层，为某点寻找光流的迭代过程的终止条件。  
  20.   cv::TermCriteria term_criteria;  
  21.   float lambda;   //某阈值？？Lagrangian 乘子  
  22.   // NCC 归一化交叉相关，FB error与NCC结合，使跟踪更稳定  交叉相关的图像匹配算法？？  
  23.   //交叉相关法的作用是进行云团移动的短时预测。选取连续两个时次的GMS-5卫星云图，将云图区域划分为32×32像素  
  24.   //的图像子集，采用交叉相关法计算获取两幅云图的最佳匹配区域，根据前后云图匹配区域的位置和时间间隔，确  
  25.   //定出每个图像子集的移动矢量（速度和方向），并对图像子集的移动矢量进行客观分析，其后，基于检验后的云  
  26.   //图移动矢量集，利用后向轨迹方法对云图作短时外推预测。   
  27.   void normCrossCorrelation(const cv::Mat& img1, const cv::Mat& img2, std::vector<cv::Point2f>& points1, std::vector<cv::Point2f>& points2);  
  28.   bool filterPts(std::vector<cv::Point2f>& points1,std::vector<cv::Point2f>& points2);  
  29. public:  
  30.   LKTracker();  
  31.   //特征点的跟踪？？   
  32.   bool trackf2f(const cv::Mat& img1, const cv::Mat& img2,  
  33.                 std::vector<cv::Point2f> &points1, std::vector<cv::Point2f> &points2);  
  34.   float getFB(){return fbmed;}  
  35. };  


 

LKTracker.cpp

[cpp] view plaincopyprint?
  1. #include <LKTracker.h>   
  2. using namespace cv;  
  3.   
  4. //金字塔LK光流法跟踪   
  5. //Media Flow 中值光流跟踪 加 跟踪错误检测   
  6. //构造函数，初始化成员变量   
  7. LKTracker::LKTracker(){  
  8.   ////该类变量需要3个参数，一个是类型，第二个参数为迭代的最大次数，最后一个是特定的阈值。  
  9.   term_criteria = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 20, 0.03);  
  10.   window_size = Size(4,4);  
  11.   level = 5;  
  12.   lambda = 0.5;  
  13. }  
  14.   
  15.   
  16. bool LKTracker::trackf2f(const Mat& img1, const Mat& img2, vector<Point2f> &points1, vector<cv::Point2f> &points2){  
  17.   //TODO!:implement c function cvCalcOpticalFlowPyrLK() or Faster tracking function  
  18.   //Forward-Backward tracking   
  19.   //基于Forward-Backward Error的中值流跟踪方法  
  20.   //金字塔LK光流法跟踪   
  21.   //forward trajectory 前向轨迹跟踪   
  22.   calcOpticalFlowPyrLK( img1,img2, points1, points2, status, similarity, window_size, level, term_criteria, lambda, 0);  
  23.   //backward trajectory 后向轨迹跟踪  
  24.   calcOpticalFlowPyrLK( img2,img1, points2, pointsFB, FB_status,FB_error, window_size, level, term_criteria, lambda, 0);  
  25.     
  26.   //Compute the real FB-error   
  27.   //原理很简单：从t时刻的图像的A点，跟踪到t+1时刻的图像B点；然后倒回来，从t+1时刻的图像的B点往回跟踪，  
  28.   //假如跟踪到t时刻的图像的C点，这样就产生了前向和后向两个轨迹，比较t时刻中 A点 和 C点 的距离，如果距离  
  29.   //小于一个阈值，那么就认为前向跟踪是正确的；这个距离就是FB_error  
  30.   //计算 前向 与 后向 轨迹的误差   
  31.   for( int i= 0; i<points1.size(); ++i ){  
  32.         FB_error[i] = norm(pointsFB[i]-points1[i]);   //norm()求矩阵或向量的范数??绝对值？  
  33.   }  
  34.   //Filter out points with FB_error[i] <= median(FB_error) && points with sim_error[i] > median(sim_error)  
  35.   normCrossCorrelation(img1, img2, points1, points2);  
  36.   return filterPts(points1, points2);  
  37. }  
  38.   
  39. //利用NCC把跟踪预测的结果周围取10*10的小图片与原始位置周围10*10的小图片（使用函数getRectSubPix得到）进  
  40. //行模板匹配（调用matchTemplate）   
  41. void LKTracker::normCrossCorrelation(const Mat& img1,const Mat& img2, vector<Point2f>& points1, vector<Point2f>& points2) {  
  42.         Mat rec0(10,10,CV_8U);  
  43.         Mat rec1(10,10,CV_8U);  
  44.         Mat res(1,1,CV_32F);  
  45.   
  46.         for (int i = 0; i < points1.size(); i++) {  
  47.                 if (status[i] == 1) {  //为1表示该特征点跟踪成功  
  48.                         //从前一帧和当前帧图像中（以每个特征点为中心？）提取10x10象素矩形，使用亚象素精度  
  49.                         getRectSubPix( img1, Size(10,10), points1[i],rec0 );     
  50.                         getRectSubPix( img2, Size(10,10), points2[i],rec1);  
  51.                         //匹配前一帧和当前帧中提取的10x10象素矩形，得到匹配后的映射图像  
  52.                         //CV_TM_CCOEFF_NORMED 归一化相关系数匹配法  
  53.                         //参数分别为：欲搜索的图像。搜索模板。比较结果的映射图像。指定匹配方法  
  54.                         matchTemplate( rec0,rec1, res, CV_TM_CCOEFF_NORMED);   
  55.                         similarity[i] = ((float *)(res.data))[0];  //得到各个特征点的相似度大小  
  56.   
  57.                 } else {  
  58.                         similarity[i] = 0.0;  
  59.                 }  
  60.         }  
  61.         rec0.release();  
  62.         rec1.release();  
  63.         res.release();  
  64. }  
  65.   
  66. //筛选出 FB_error[i] <= median(FB_error) 和 sim_error[i] > median(sim_error) 的特征点  
  67. //得到NCC和FB error结果的中值，分别去掉中值一半的跟踪结果不好的点  
  68. bool LKTracker::filterPts(vector<Point2f>& points1,vector<Point2f>& points2){  
  69.   //Get Error Medians   
  70.   simmed = median(similarity);   //找到相似度的中值  
  71.   size_t i, k;  
  72.   for( i=k = 0; i<points2.size(); ++i ){  
  73.         if( !status[i])  
  74.           continue;  
  75.         if(similarity[i]> simmed){   //剩下 similarity[i]> simmed 的特征点  
  76.           points1[k] = points1[i];     
  77.           points2[k] = points2[i];  
  78.           FB_error[k] = FB_error[i];  
  79.           k++;  
  80.         }  
  81.     }  
  82.   if (k==0)  
  83.     return false;  
  84.   points1.resize(k);  
  85.   points2.resize(k);  
  86.   FB_error.resize(k);  
  87.   
  88.   fbmed = median(FB_error);     //找到FB_error的中值  
  89.   for( i=k = 0; i<points2.size(); ++i ){  
  90.       if( !status[i])  
  91.         continue;  
  92.       if(FB_error[i] <= fbmed){   /  
  93.         points1[k] = points1[i];   //再对上一步剩下的特征点进一步筛选，剩下 FB_error[i] <= fbmed 的特征点  
  94.         points2[k] = points2[i];  
  95.         k++;  
  96.       }  
  97.   }  
  98.   points1.resize(k);  
  99.   points2.resize(k);  
  100.   if (k>0)  
  101.     return true;  
  102.   else  
  103.     return false;  
  104. }  
  105.   
  106.   
  107.   
  108.   
  109. /* 
  110.  * old OpenCV style 
  111. void LKTracker::init(Mat img0, vector<Point2f> &points){ 
  112.   //Preallocate 
  113.   //pyr1 = cvCreateImage(Size(img1.width+8,img1.height/3),IPL_DEPTH_32F,1); 
  114.   //pyr2 = cvCreateImage(Size(img1.width+8,img1.height/3),IPL_DEPTH_32F,1); 
  115.   //const int NUM_PTS = points.size(); 
  116.   //status = new char[NUM_PTS]; 
  117.   //track_error = new float[NUM_PTS]; 
  118.   //FB_error = new float[NUM_PTS]; 
  119. } 
  120.  
  121.  
  122. void LKTracker::trackf2f(..){ 
  123.   cvCalcOpticalFlowPyrLK( &img1, &img2, pyr1, pyr1, points1, points2, points1.size(), window_size, level, status, track_error, term_criteria, CV_LKFLOW_INITIAL_GUESSES); 
  124.   cvCalcOpticalFlowPyrLK( &img2, &img1, pyr2, pyr1, points2, pointsFB, points2.size(),window_size, level, 0, 0, term_criteria, CV_LKFLOW_INITIAL_GUESSES | CV_LKFLOW_PYR_A_READY | CV_LKFLOW_PYR_B_READY ); 
  125. } 
  126. */  


windows xp 怎么升级 windows xp 怎么升级
原创粉丝点击
热门IT博客
多用户商城系统源码多用户商城系统源码
windows怎么pingwindows怎么ping
javascript项目实战
洗车哪个软件好
linux ansi
网络各种骗术
三年数据对比分析
74s168数据手册
淘宝卖什么东西最赚钱
linux初级运维面试题
图片解压软件
淘宝网大码女装胖胖
帕克生涯数据
博易大师期货指标源码
淘宝黑盘羊
淘宝上传凭证是什么
淘宝衣服的货源怎么找
java 调用
mmd动作数据怎么制作
nginx 跨域访问 错误
热门问题 老师的惩罚 人脸识别 我在镇武司摸鱼那些年 重生之率土为王 我在大康的咸鱼生活 盘龙之生命进化 天生仙种 凡人之先天五行 春回大明朝 姑娘不必设防，我是瞎子 水龙头球阀漏水怎么办 铜球阀漏水怎么办 水闸阀漏水怎么办 球形水阀滴水怎么办 球阀关不严怎么办 鱼缸水质浑浊怎么办 鱼缸浑浊怎么办 棉线结滑动怎么办 净水器拧不开怎么办 球阀打不开怎么办 塑料阀门漏水怎么办 球阀开关打不开怎么办 暖气片老旧堵了怎么办 心脏不好胸闷怎么办 心脏闷疼是怎么办 不锈钢水桶漏水怎么办 灭火器过压怎么办 干粉灭火器漏气怎么办 建筑工地受伤怎么办 建筑工地上受伤怎么办 多层楼失火怎么办 厨房串味怎么办 厨房油烟串味怎么办 物流东西破损怎么办 快递物品损坏怎么办 退货破损拒收怎么办 快递途中破损怎么办 小孩嘴唇长泡疹怎么办 吊装证怎么办 办理炮证怎么办 手机号被爆破怎么办 心脏血管钙化怎么办 支架阻塞后怎么办 血管不通怎么办 脚指头血管堵塞怎么办 心血管完全堵塞怎么办 精神病人没钱治怎么办 失眠睡眠浅多梦怎么办 大驾改不通过怎么办 独立学院黄了怎么办 房贷放不下来怎么办

程序博客网，程序员的互联网技术博客家园。csdn论坛精品 msdn技术资料都在这里