このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

opticalFlowLKDoG

Lucas-Kanade ガウス導関数法を使用してオプティカル フローを推定するためのオブジェクト

説明

Lucas-Kanade ガウス導関数 (DoG) 法を使用して、移動するオブジェクトの方向と速度を推定するためのオプティカル フロー オブジェクトを作成します。オブジェクト関数 estimateFlow を使用して、オプティカル フロー ベクトルを推定します。オブジェクト関数 reset を使用すると、オプティカル フロー オブジェクトの内部状態をリセットできます。

作成

構文

opticFlow = opticalFlowLKDoG

opticFlow = opticalFlowLKDoG(Name,Value)

説明

opticFlow = opticalFlowLKDoG は、ビデオ内の移動するオブジェクトの方向と速度の推定に使用できるオプティカル フロー オブジェクトを返します。オプティカル フローは、Lucas-Kanade ガウス導関数 (DoG) 法を使用して推定されます。

opticFlow = opticalFlowLKDoG(Name,Value) は、Name,Value ペアの引数を 1 つ以上指定したプロパティを使用してオプティカル フロー オブジェクトを返します。指定していないプロパティはすべて既定値になります。各プロパティ名を引用符で囲みます。

例: opticalFlowLKDoG('NumFrames',3)

プロパティ

NumFrames — バッファー済みのフレームの数

3 (既定値) | 正の整数スカラー

一時的な平滑化のためにバッファー済みのフレームの数。正の整数スカラーとして指定します。この数値を大きくすると、オプティカル フロー推定法で、移動するオブジェクトの軌跡の急激な変化に対するロバスト性が低下します。フロー推定の遅延量は、NumFrames の値によって異なります。出力フローは t_flow = t_current − 0.5(NumFrames-1) のイメージに対応します。ここで、t_current は現在のイメージの時刻です。

ImageFilterSigma — イメージ平滑化フィルターの標準偏差

1.5 | 正のスカラー

イメージ平滑化フィルターの標準偏差。正のスカラーとして指定します。

GradientFilterSigma — 勾配平滑化フィルターの標準偏差

1 | 正のスカラー

勾配平滑化フィルターの標準偏差。正のスカラーとして指定します。

NoiseThreshold — ノイズ除去のしきい値

0.0039 (既定値) | 正のスカラー

ノイズ除去のしきい値。正のスカラーとして指定します。この数値を大きくすると、オブジェクトの動きがオプティカル フローの計算に与える影響が小さくなります。

オブジェクト関数

estimateFlow	オプティカル フローの推定
reset	Reset the internal state of the optical flow estimation object

例

Lucas-Kanade DoG 法を使用したオプティカル フローの計算

ビデオ ファイルを読み取ります。読み取るフレームのタイムスタンプを指定します。

vidReader = VideoReader('visiontraffic.avi','CurrentTime',11);

Lucas-Kanade DoG 法を使用してオプティカル フローを推定するオプティカル フロー オブジェクトを作成します。ノイズ除去のしきい値を指定します。出力は、オプティカル フロー推定法とそのプロパティを指定するオプティカル フロー オブジェクトです。

opticFlow = opticalFlowLKDoG('NoiseThreshold',0.0005)

opticFlow = 
  opticalFlowLKDoG with properties:

              NumFrames: 3
       ImageFilterSigma: 1.5000
    GradientFilterSigma: 1
         NoiseThreshold: 5.0000e-04

カスタム Figure ウィンドウを作成して、オプティカル フロー ベクトルを可視化します。

h = figure;
movegui(h);
hViewPanel = uipanel(h,'Position',[0 0 1 1],'Title','Plot of Optical Flow Vectors');
hPlot = axes(hViewPanel);

イメージ フレームを読み取って、グレースケール イメージに変換します。連続するイメージ フレームからオプティカル フローを推定します。現在のイメージ フレームを表示して、オプティカル フロー ベクトルを Quiver プロットとしてプロットします。

while hasFrame(vidReader)
    frameRGB = readFrame(vidReader);
    frameGray = im2gray(frameRGB);
    flow = estimateFlow(opticFlow,frameGray);
    imshow(frameRGB)
    hold on
    plot(flow,'DecimationFactor',[5 5],'ScaleFactor',35,'Parent',hPlot);
    hold off
    pause(10^-3)
end

アルゴリズム

2 つのイメージ間のオプティカル フローを計算するには、次のオプティカル フロー拘束方程式を解かなければなりません。

$$I_{x}u+I_{y}v+I_t=0$$

• $$I_x$$、$$I_y$$ および $$I_t$$ は、時空間イメージの明るさの導関数です。

• u は水平方向のオプティカル フローです。

• v は垂直方向のオプティカル フローです。

Lucas-Kanade ガウス導関数法

Lucas-Kanade 法は、ガウス導関数フィルターを使用して $$I_t$$ を計算します。

u と v についてオプティカル フロー拘束方程式を解くには、次のようにします。

1. 次の手順を使用して、$$I_x$$ と $$I_y$$ を計算します。

   1. ガウス フィルターを使用して時間フィルター処理を実行します。NumFrames プロパティを使用して、標準偏差やフィルター係数の数などの時間フィルターの特性を指定します。

   2. ガウス フィルターとガウス フィルターの導関数を使用して、空間フィルター処理を使用したイメージの平滑化を実行します。ImageFilterSigma プロパティを使用して、イメージ平滑化フィルターの標準偏差と長さを指定します。

2. 次の手順を使用して、イメージ 1 と 2 の間の $$I_t$$ を計算します。

   1. ガウス フィルターの導関数を使用して時間フィルター処理を実行します。NumFrames プロパティを使用して、標準偏差やフィルター係数の数などの時間フィルターの特性を指定します。

   2. 手順 1b に示したフィルターを使用して、時間フィルターの出力で空間フィルター処理を実行します。

3. 勾配平滑化フィルターを使用して、勾配成分 $$I_x$$、$$I_y$$、および $$I_t$$ を平滑化します。GradientFilterSigma プロパティを使用して、勾配平滑化フィルターの標準偏差とフィルター係数の数を指定します。

4. 次のメソッドを使用して、各ピクセルについて 2 行 2 列の 1 次方程式を解きます。

   • $$A=\left[\begin{array}{cc}a& b\\ b& c\end{array}\right]=\left[\begin{array}{cc}{\displaystyle \sum W^2{I}_x^2}& {\displaystyle \sum W^2{I}_x{I}_y}\\ {\displaystyle \sum W^2{I}_y{I}_x}& {\displaystyle \sum W^2{I}_y^2}\end{array}\right]$$ の場合

     A の固有値は $${\lambda }_i=\frac{a+c}{2}\pm \frac{\sqrt{4b^2+{(a-c)}^2}}{2};i=1,2$$ です。

   • アルゴリズムが固有値を見つけると、それをしきい値 $$\tau$$ と比較します。これは、NoiseThreshold プロパティに入力する値に対応します。結果は次のいずれかになります。

     ケース 1: $${\lambda }_1\ge \tau$$ かつ $${\lambda }_2\ge \tau$$

     A は非特異であるため、アルゴリズムはクラメルの公式を使用して方程式系を解きます。

     ケース 2: $${\lambda }_1\ge \tau$$ かつ $${\lambda }_2<\tau$$

     A は特異 (不可逆) であるため、アルゴリズムは勾配フローを正規化して u と v を計算します。

     ケース 3: $${\lambda }_1<\tau$$ かつ $${\lambda }_2<\tau$$

     オプティカル フロー u と v は 0 です。

参照

[1] Barron, J. L., D. J. Fleet, S. S. Beauchemin, and T. A. Burkitt. “ Performance of optical flow techniques.” In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR),236-242. Champaign, IL: CVPR, 1992.

拡張機能

C/C++ コード生成
MATLAB® Coder™ を使用して C および C++ コードを生成します。

バージョン履歴

R2015a で導入

参考

quiver | opticalFlow | opticalFlowHS | opticalFlowLK | opticalFlowFarneback

×

例を開く

この例の変更されたバージョンがあります。編集された方の例を開きますか?

いいえ、変更されたバージョンを上書きします。 はい