一種優(yōu)化梯度計(jì)算的改進(jìn)HS光流算法_圖文

1、 第 8期 桂本燁等 : 一種優(yōu)化梯度計(jì)算的改進(jìn) HS光流算法 6 1057 精確光流場(chǎng)與各種方法光流對(duì)該圖像序列計(jì)算的光 6 流結(jié)果進(jìn)行比較 。合成圖像序列是通過(guò)圖形學(xué) 里面的光線跟蹤 、 幾何投影等方法得到的 ,而場(chǎng)景中 的運(yùn)動(dòng)是自己設(shè)定的 , 所以只要把物體表面的運(yùn)動(dòng) 投影到視平面就可以得到精確的光流場(chǎng) 。表 2 列出 幾種光流方法對(duì)合成圖像序列計(jì)算得到的光流場(chǎng)與 T 真實(shí)光流場(chǎng)的平均速度誤差 2 = arccos ( v vc , 2 不僅考慮了速度模的誤差而且考慮了速度方向 的誤差 。其中 , v 為計(jì)算得到的速度矢量的 3 維 表示 、 vc 為對(duì)應(yīng)點(diǎn)在標(biāo)準(zhǔn)光流場(chǎng)中的速度矢量的 3

2、 維表示 , 該誤差公式得到的結(jié)果單位是度 。實(shí)驗(yàn)中 用 HS、 改進(jìn)的 HS、 LK算法對(duì)有代表性的 3 種運(yùn)動(dòng) : 縮放 、 旋轉(zhuǎn) 、 平移 ,分別進(jìn)行計(jì)算 ,各種方法得到的結(jié) 果對(duì)應(yīng)于表 2 和圖 5。其中 , HS、 LK 算法用的 是 OpenCV 庫(kù)中的經(jīng)過(guò)優(yōu)化的標(biāo)準(zhǔn)函數(shù) 。 表 2 合成圖像序列的各種光流方法計(jì)算分析 Tab. 2 The com par ison of three optica l flow m ethods usin g syn thetic i m age sequences 視頻名稱 光流方法 HS Magnify_box 灰度方差 1. 179 2 0.

3、 777 3 速度模方差 0. 248 9 0. 167 0 0. 238 2 速度角度方差 (弧度 0. 320 3 0. 141 6 0. 168 5 0. 155 5 0. 067 8 0. 316 6 0. 415 9 0. 105 5 0. 350 3 2 20. 398 2 ° 13. 962 6 ° 16. 271 5 ° 20. 044 8 ° 15. 154 2 ° 21. 803 3 ° 21. 763 1 ° 14. 788 3 ° 20. 358 8 ° 相對(duì)速度模方差 (弧度 0

4、. 134 9 0. 082 3 0. 130 2 0. 136 6 0. 099 2 0. 241 2 0. 145 0 0. 087 6 0. 168 9 改進(jìn) HS LK HS 0. 603 9 0. 356 4 0. 115 9 0. 048 3 0. 167 8 Rotate 改進(jìn) HS LK HS 1. 788 1 1. 074 1 0. 302 6 0. 109 6 0. 460 3 Move 改進(jìn) HS LK 圖 5 合成運(yùn)動(dòng)圖像序列改進(jìn)算法和原 HS、 LK算法光流場(chǎng)比較 Fig . 5 The op tical flow fields for synthetic im ag

5、e sequences using three op tical flow methods 1058 中國(guó)圖象圖形學(xué)報(bào) 第 10 卷 M agnify _ box 后 一 幀 較 前 一 幀 放 大 1. 02 倍 ; Rotate中兩幀圖像序列相對(duì)旋轉(zhuǎn)了 1. 31 ° ; Move中 x 和 y 方向分別移動(dòng) 1. 125 和 1. 150 像素 。從對(duì)合成 圖像序列的分析數(shù)據(jù)可以看出 , 新的算法較 HS 有 較大提高 ,也好于 LK 算法 。而且新算法的魯棒性 較好 。實(shí)驗(yàn)發(fā)現(xiàn)當(dāng)前后兩幀圖像中物體有位移變大 時(shí) LK準(zhǔn)確性下降最快 ,新算法稍好于原 HS方法 。 參考文獻(xiàn) (

6、 References 1 Beauchem in S S, Barron J L. The computation of op tical flow J . ACM Computing Surveys( CSUR , 1995, 27 ( 3 : 433 466. 2 Horn B K P, Schunck B G . Deter m ining op tical flow J . A rtificial Intelligence, 1981, 17 ( 1 2 3 : 185 204. 3 Yang Yang, Zhang Tian2 wen. Moving target tracking

7、 based on feature2 op tical2flow J . Journal of A stronautics, 2000, 21 ( 2 : 8 15. 楊楊 , 張?zhí)镂?. 一種基于特征光流的運(yùn)動(dòng)目 標(biāo)跟蹤 方法 J . 宇航學(xué)報(bào) , 2000, 21 ( 2 : 8 15. 4 Barron J, Klette R. Quantitative color op tical flow A . In: Proceedings of the International Conference on Pattern Recognition C , Vancouver, Canada,

8、2002, 4: 251 255. 5 Zhang Yujin. I m age Engineering (Vol . 2 I m age Understanding and Computer V ision M . Beijing: Tshinghua University Press, 2000. 章毓晉 . 圖像工程 (下冊(cè) 圖像理解與計(jì)算機(jī)視覺(jué) M . 北 5 結(jié) 論 灰度梯度的準(zhǔn)確性是所有光流方法準(zhǔn)確性的基 礎(chǔ) ,針對(duì) HS方法中不準(zhǔn)確的灰度梯度提出了一種 新的能夠循環(huán)求精的梯度算法 。該算法同樣可以用 于 LK和其他基于差分的光流方法 , 如將該算法和 多分辨率光流算法結(jié)合起來(lái)則在提高算法魯棒性的 同時(shí)還可提高計(jì)算準(zhǔn)確度 。 京 : 清華大學(xué)出版社 , 2000. 6 Barron J L , Fleet D J, Beauch