詳細説明

デンスオプティカルフローアルゴリズムは各点のモーションを計算する。

cv::optflow::calcOpticalFlowSF
cv::optflow::createOptFlow_DeepFlow

モーションテンプレートは、モーションを検出しその向きを計算するための代替手法である。samples/motempl.py を参照。

cv::motempl::updateMotionHistory
cv::motempl::calcMotionGradient
cv::motempl::calcGlobalOrientation
cv::motempl::segmentMotion

"Middlebury" 形式の .flo ファイルを読み書きする関数。次を参照: http://vision.middlebury.edu/flow/code/flow-code/README.txt

クラス
class	cv::optflow::DenseRLOFOpticalFlow
	ロバスト局所オプティカルフロー(RLOF)アルゴリズムとスパースからデンスへの補間スキームに基づく、高速なデンスオプティカルフロー計算。続き...

class	cv::optflow::DualTVL1OpticalFlow
	"Dual TV L1" オプティカルフロー Algorithm。続き...

class	cv::optflow::GPCDetails

class	cv::optflow::GPCForest< T >

struct	cv::optflow::GPCMatchingParams
	マッチングパラメータをカプセル化するクラス。続き...

struct	cv::optflow::GPCPatchDescriptor

struct	cv::optflow::GPCPatchSample

struct	cv::optflow::GPCTrainingParams
	学習パラメータをカプセル化するクラス。続き...

class	cv::optflow::GPCTrainingSamples
	学習サンプルをカプセル化するクラス。続き...

class	cv::optflow::GPCTree
	個々のツリーのためのクラス。続き...

class	cv::optflow::OpticalFlowPCAFlow
	PCAFlowアルゴリズム。続き...

class	cv::optflow::PCAPrior
	このクラスは、得られるオプティカルフローに学習済みの事前分布(prior)を課すために使用できる。解はこの事前分布に従って正則化される。事前に "learn_prior.py" スクリプトで適切な事前分布ファイルを生成しておく必要がある。続き...

class	cv::optflow::RLOFOpticalFlowParameter
	これはロバスト局所オプティカルフロー(RLOF)アルゴリズムのパラメータを保存・設定するために使用される。続き...

class	cv::optflow::SparseRLOFOpticalFlow
	ロバスト局所オプティカルフロー(RLOF)アルゴリズムを用いて、スパースオプティカルフローの計算と特徴トラッキングを行うためのクラス。続き...

型定義
typedef std::vector< GPCPatchSample >	cv::optflow::GPCSamplesVector

列挙型
enum	cv::optflow::GPCDescType { cv::optflow::GPC_DESCRIPTOR_DCT = 0 , cv::optflow::GPC_DESCRIPTOR_WHT }
	Global Patch Collider の記述子型。続き...

enum	cv::optflow::InterpolationType { cv::optflow::INTERP_GEO = 0 , cv::optflow::INTERP_EPIC = 1 , cv::optflow::INTERP_RIC = 2 }

enum	cv::optflow::SolverType { cv::optflow::ST_STANDART = 0 , cv::optflow::ST_BILINEAR = 1 }

enum	cv::optflow::SupportRegionType { cv::optflow::SR_FIXED = 0 , cv::optflow::SR_CROSS = 1 }

関数
double	cv::motempl::calcGlobalOrientation (InputArray orientation, InputArray mask, InputArray mhi, double timestamp, double duration)
	選択した領域における大域的なモーションの向きを計算する。

void	cv::motempl::calcMotionGradient (InputArray mhi, OutputArray mask, OutputArray orientation, double delta1, double delta2, int apertureSize=3)
	モーション履歴画像の勾配の向きを計算する。

void	cv::optflow::calcOpticalFlowDenseRLOF (InputArray I0, InputArray I1, InputOutputArray flow, Ptr< RLOFOpticalFlowParameter > rlofParam=Ptr< RLOFOpticalFlowParameter >(), float forwardBackwardThreshold=0, Size gridStep=Size(6, 6), InterpolationType interp_type=InterpolationType::INTERP_EPIC, int epicK=128, float epicSigma=0.05f, float epicLambda=100.f, int ricSPSize=15, int ricSLICType=100, bool use_post_proc=true, float fgsLambda=500.0f, float fgsSigma=1.5f, bool use_variational_refinement=false)
	ロバスト局所オプティカルフロー(RLOF)アルゴリズムとスパースからデンスへの補間スキームに基づく、高速なデンスオプティカルフロー計算。

void	cv::optflow::calcOpticalFlowSF (InputArray from, InputArray to, OutputArray flow, int layers, int averaging_block_size, int max_flow)

void	cv::optflow::calcOpticalFlowSF (InputArray from, InputArray to, OutputArray flow, int layers, int averaging_block_size, int max_flow, double sigma_dist, double sigma_color, int postprocess_window, double sigma_dist_fix, double sigma_color_fix, double occ_thr, int upscale_averaging_radius, double upscale_sigma_dist, double upscale_sigma_color, double speed_up_thr)
	"SimpleFlow" アルゴリズムを用いてオプティカルフローを計算する。

void	cv::optflow::calcOpticalFlowSparseRLOF (InputArray prevImg, InputArray nextImg, InputArray prevPts, InputOutputArray nextPts, OutputArray status, OutputArray err, Ptr< RLOFOpticalFlowParameter > rlofParam=Ptr< RLOFOpticalFlowParameter >(), float forwardBackwardThreshold=0)
	optflow::calcOpticalFlowPyrLK() と同様に、ロバスト局所オプティカルフロー(RLOF)を用いてスパースな特徴セットの高速なオプティカルフローを計算する。

void	cv::optflow::calcOpticalFlowSparseToDense (InputArray from, InputArray to, OutputArray flow, int grid_step=8, int k=128, float sigma=0.05f, bool use_post_proc=true, float fgs_lambda=500.0f, float fgs_sigma=1.5f)
	PyrLKのスパースマッチの補間に基づく高速なデンスオプティカルフロー。

Ptr< DenseOpticalFlow >	cv::optflow::createOptFlow_DeepFlow ()
	DeepFlowオプティカルフローアルゴリズムの実装。

Ptr< DenseOpticalFlow >	cv::optflow::createOptFlow_DenseRLOF ()
	Dense RLOFアルゴリズムへの追加インターフェイス - optflow::calcOpticalFlowDenseRLOF()

Ptr< DualTVL1OpticalFlow >	cv::optflow::createOptFlow_DualTVL1 ()
	cv::DenseOpticalFlow のインスタンスを生成する。

Ptr< DenseOpticalFlow >	cv::optflow::createOptFlow_Farneback ()
	Farnebackのアルゴリズムへの追加インターフェイス - calcOpticalFlowFarneback()

Ptr< DenseOpticalFlow >	cv::optflow::createOptFlow_PCAFlow ()
	PCAFlowのインスタンスを生成する。

Ptr< DenseOpticalFlow >	cv::optflow::createOptFlow_SimpleFlow ()
	SimpleFlowアルゴリズムへの追加インターフェイス - calcOpticalFlowSF()

Ptr< SparseOpticalFlow >	cv::optflow::createOptFlow_SparseRLOF ()
	Sparse RLOFアルゴリズムへの追加インターフェイス - optflow::calcOpticalFlowSparseRLOF()

Ptr< DenseOpticalFlow >	cv::optflow::createOptFlow_SparseToDense ()
	SparseToDenseFlowアルゴリズムへの追加インターフェイス - calcOpticalFlowSparseToDense()

void	cv::optflow::GPCForest< T >::findCorrespondences (InputArray imgFrom, InputArray imgTo, std::vector< std::pair< Point2i, Point2i > > &corr, const GPCMatchingParams params=GPCMatchingParams()) const
	2枚の画像間の対応を求める。

void	cv::motempl::segmentMotion (InputArray mhi, OutputArray segmask, std::vector< Rect > &boundingRects, double timestamp, double segThresh)
	モーション履歴画像を、独立した個々のモーション(例えば左手、右手)に対応するいくつかの部分に分割する。

void	cv::motempl::updateMotionHistory (InputArray silhouette, InputOutputArray mhi, double timestamp, double duration)
	移動するシルエットによってモーション履歴画像を更新する。

型定義詳解

◆ GPCSamplesVector

typedef std::vector< GPCPatchSample > cv::optflow::GPCSamplesVector

#include <opencv2/optflow/sparse_matching_gpc.hpp>

列挙型詳解

◆ GPCDescType

enum cv::optflow::GPCDescType

#include <opencv2/optflow/sparse_matching_gpc.hpp>

Global Patch Collider の記述子型。

列挙値
GPC_DESCRIPTOR_DCT Python: cv.optflow.GPC_DESCRIPTOR_DCT	品質は良いが低速。
GPC_DESCRIPTOR_WHT Python: cv.optflow.GPC_DESCRIPTOR_WHT	品質は劣るがはるかに高速。

◆ InterpolationType

enum cv::optflow::InterpolationType

#include <opencv2/optflow/rlofflow.hpp>

列挙値
INTERP_GEO Python: cv.optflow.INTERP_GEO	高速な測地補間。[106] を参照。
INTERP_EPIC Python: cv.optflow.INTERP_EPIC	ximgproc::EdgeAwareInterpolator を用いたエッジ保存補間。[233],Geistert2016 を参照。
INTERP_RIC Python: cv.optflow.INTERP_RIC	ximgproc::RICInterpolator を用いた SLIC ベースのロバスト補間。[133] を参照。

◆ SolverType

enum cv::optflow::SolverType

#include <opencv2/optflow/rlofflow.hpp>

列挙値
ST_STANDART Python: cv.optflow.ST_STANDART	標準的な反復的リファインメントを適用する
ST_BILINEAR Python: cv.optflow.ST_BILINEAR	[248] で説明されている、最適化された反復的な精緻化に基づく双線形方程式の解を適用する

◆ SupportRegionType

enum cv::optflow::SupportRegionType

#include <opencv2/optflow/rlofflow.hpp>

列挙値
SR_FIXED Python: cv.optflow.SR_FIXED	一定のサポート領域を適用する
SR_CROSS Python: cv.optflow.SR_CROSS	[249] で説明されている、クロスベースのセグメンテーション（領域分割）によって得られる適応的サポート領域を適用する

関数詳解

◆ calcGlobalOrientation()

double cv::motempl::calcGlobalOrientation	(	InputArray	orientation,
		InputArray	mask,
		InputArray	mhi,
		double	timestamp,
		double	duration )

Python:
	cv.motempl.calcGlobalOrientation(	orientation, mask, mhi, timestamp, duration	) ->	retval

#include <opencv2/optflow/motempl.hpp>

選択した領域における大域的なモーションの向きを計算する。

引数

orientation	関数 calcMotionGradient で計算されるモーション勾配方向画像。
mask	マスク画像。これは calcMotionGradient で計算された有効な勾配マスクと、方向を計算する必要がある領域のマスクとの論理積であってよい。
mhi	updateMotionHistory で計算されるモーション履歴画像。
timestamp	updateMotionHistory に渡されるタイムスタンプ。
duration	updateMotionHistory に渡される、モーショントラックの最大持続時間（ミリ秒単位）。

この関数は、選択した領域における平均的なモーションの方向を計算し、0度から360度の間の角度を返す。平均方向は重み付きの向きヒストグラムから計算され、最近のモーションほど大きな重みを、過去に発生したモーションほど小さな重みを持つ。これらは mhi に記録されている。

◆ calcMotionGradient()

void cv::motempl::calcMotionGradient	(	InputArray	mhi,
		OutputArray	mask,
		OutputArray	orientation,
		double	delta1,
		double	delta2,
		int	apertureSize = 3 )

Python:
	cv.motempl.calcMotionGradient(	mhi, delta1, delta2[, mask[, orientation[, apertureSize]]]	) ->	mask, orientation

#include <opencv2/optflow/motempl.hpp>

モーション履歴画像の勾配の向きを計算する。

引数

mhi	モーション履歴のシングルチャンネル浮動小数点画像。
mask	型 CV_8UC1 を持ち、mhi と同じサイズの出力マスク画像。その非ゼロ要素は、モーション勾配データが正しいピクセルを示す。
orientation	mhi と同じ型・同じサイズを持つ出力モーション勾配方向画像。画像の各ピクセルはモーション方向であり、0 から 360 度の範囲となる。
delta1	ピクセル近傍内における mhi 値の許容される最小（または最大）の差。
delta2	ピクセル近傍内における mhi 値の許容される最大（または最小）の差。すなわち、この関数は各ピクセルの \(3 \times 3\) 近傍にわたって mhi 値の最小値（ \(m(x,y)\) ）と最大値（ \(M(x,y)\) ）を求め、次の条件を満たす場合に限り \((x, y)\) におけるモーション方向を有効とみなす: \[\min ( \texttt{delta1} , \texttt{delta2} ) \le M(x,y)-m(x,y) \le \max ( \texttt{delta1} , \texttt{delta2} ).\]
apertureSize	Sobel オペレータのアパーチャサイズ。

この関数は各ピクセル \((x, y)\) における勾配の向きを次のように計算する:

\[\texttt{orientation} (x,y)= \arctan{\frac{d\texttt{mhi}/dy}{d\texttt{mhi}/dx}}\]

実際には、計算される角度が度単位で測定され0..360の全範囲をカバーするように、fastAtan2 と phase が使用される。また、計算された角度が有効なピクセルを示すために mask が埋められる。

覚え書き

(Python) モーションテンプレート技術の実行方法の例は opencv_source_code/samples/python2/motempl.py にある

◆ calcOpticalFlowDenseRLOF()

void cv::optflow::calcOpticalFlowDenseRLOF	(	InputArray	I0,
		InputArray	I1,
		InputOutputArray	flow,
		Ptr< RLOFOpticalFlowParameter >	rlofParam = Ptr< RLOFOpticalFlowParameter >(),
		float	forwardBackwardThreshold = 0,
		Size	gridStep = Size(6, 6),
		InterpolationType	interp_type = InterpolationType::INTERP_EPIC,
		int	epicK = 128,
		float	epicSigma = 0.05f,
		float	epicLambda = 100.f,
		int	ricSPSize = 15,
		int	ricSLICType = 100,
		bool	use_post_proc = true,
		float	fgsLambda = 500.0f,
		float	fgsSigma = 1.5f,
		bool	use_variational_refinement = false )

Python:
	cv.optflow.calcOpticalFlowDenseRLOF(	I0, I1, flow[, rlofParam[, forwardBackwardThreshold[, gridStep[, interp_type[, epicK[, epicSigma[, epicLambda[, ricSPSize[, ricSLICType[, use_post_proc[, fgsLambda[, fgsSigma[, use_variational_refinement]]]]]]]]]]]]]	) ->	flow

#include <opencv2/optflow/rlofflow.hpp>

ロバストローカルオプティカルフロー (RLOF) アルゴリズムと sparse-to-dense 補間方式に基づく高速な密なオプティカルフローの計算。

RLOF は [247] [248] [249] [250] で説明されている高速なローカルオプティカルフロー手法であり、[38] によって提案されたピラミッド型反復 Lucas-Kanade 法に類似している。詳細と実験は次の博士論文 [251] に記載されている。この実装は optflow::calcOpticalFlowPyrLK() から派生したものである。

疎から密への補間スキームにより、RLOF を用いた密なオプティカルフローの高速な計算が可能になる ([106] を参照)。このスキームでは次の手順が適用される:

等間隔にサンプリングしたグリッド上に配置した動きベクトルを計算する。このグリッドの粗さは setGridStep で設定できる
(省略可能) 誤った動きベクトルを forward backward の信頼度に基づいてフィルタリングする。しきい値は setForwardBackward で設定できる。フィルタはしきい値が >0 の場合のみ適用されるが、その場合は後方フローの推定が加わるため実行時間が2倍になる。
動きベクトルの集合にベクトル場の補間を適用し、密なベクトル場を得る。

引数

I0	1枚目の 8 ビット入力画像。クロスベースの RLOF を使用する場合（ optflow::RLOFOpticalFlowParameter::supportRegionType = SupportRegionType::SR_CROSS を選択した場合）、画像は 8 ビット 3 チャンネル画像でなければならない。
I1	2枚目の 8 ビット入力画像。クロスベースの RLOF を使用する場合（ optflow::RLOFOpticalFlowParameter::supportRegionType = SupportRegionType::SR_CROSS を選択した場合）、画像は 8 ビット 3 チャンネル画像でなければならない。
flow	I0 と同じサイズで型 CV_32FC2 を持つ、計算されたフロー画像。
rlofParam	optflow::RLOFOpticalFlowParameter を参照。
forwardBackwardThreshold	前方後方の信頼度チェックのためのしきい値。各格子点 \( \mathbf{x} \) について、モーションベクトル \( d_{I0,I1}(\mathbf{x}) \) が計算される。前方後方誤差 \[ EP_{FB} = \|\| d_{I0,I1} + d_{I1,I0} \|\| \] がこの関数で与えられるしきい値より大きい場合、そのモーションベクトルは後続のベクトル場補間で使用されない。\( d_{I1,I0} \) は後方フローを表す。なお、前方後方テストはしきい値が > 0 の場合にのみ適用される。これによりモーション推定の実行時間が2倍になる可能性がある。
gridStep	モーションベクトルを生成する格子のサイズ。各格子点についてモーションベクトルが計算される。一部のモーションベクトルは前方後方しきい値（>0 に設定されている場合）により除去される。残りがベクトル場補間の基礎となる。
interp_type	密なオプティカルフローの計算に使用される補間手法。2つの補間アルゴリズムがサポートされている: INTERP_GEO は高速な測地補間を適用する。[106] を参照。 INTERP_EPIC_RESIDUAL はエッジ保存補間を適用する。[233],Geistert2016 を参照。
epicK	ximgproc::EdgeAwareInterpolator を参照。対応するパラメータを設定する。
epicSigma	ximgproc::EdgeAwareInterpolator を参照。対応するパラメータを設定する。
epicLambda	ximgproc::EdgeAwareInterpolator を参照。対応するパラメータを設定する。
ricSPSize	ximgproc::RICInterpolator を参照。対応するパラメータを設定する。
ricSLICType	ximgproc::RICInterpolator を参照。対応するパラメータを設定する。
use_post_proc	ximgproc::fastGlobalSmootherFilter() パラメータを有効にする。
fgsLambda	対応する ximgproc::fastGlobalSmootherFilter() パラメータを設定する。
fgsSigma	対応する ximgproc::fastGlobalSmootherFilter() パラメータを設定する。
use_variational_refinement	VariationalRefinement を有効にする。

引数は [247], [248], [249], [250] で説明されている。RLOF の設定については、詳細を optflow::RLOFOpticalFlowParameter を参照。

覚え書き: グリッドサイズが (1,1) に設定され、forward backward のしきい値が <= 0 の場合、密なオプティカルフロー場は純粋に RLOF だけで計算される。; SIMD による並列化は SSE4.1 でコンパイルした場合のみ利用できる。; 出力において、I0 と I1 の間で対応点が見つからない場合、flow は 0 に設定されることに注意。

参照: optflow::DenseRLOFOpticalFlow, optflow::RLOFOpticalFlowParameter

◆ calcOpticalFlowSF() [1/2]

void cv::optflow::calcOpticalFlowSF	(	InputArray	from,
		InputArray	to,
		OutputArray	flow,
		int	layers,
		int	averaging_block_size,
		int	max_flow )

Python:
	cv.optflow.calcOpticalFlowSF(	from_, to, layers, averaging_block_size, max_flow[, flow]	) ->	flow
	cv.optflow.calcOpticalFlowSF(	from_, to, layers, averaging_block_size, max_flow, sigma_dist, sigma_color, postprocess_window, sigma_dist_fix, sigma_color_fix, occ_thr, upscale_averaging_radius, upscale_sigma_dist, upscale_sigma_color, speed_up_thr[, flow]	) ->	flow

#include <opencv2/optflow.hpp>

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

◆ calcOpticalFlowSF() [2/2]

void cv::optflow::calcOpticalFlowSF	(	InputArray	from,
		InputArray	to,
		OutputArray	flow,
		int	layers,
		int	averaging_block_size,
		int	max_flow,
		double	sigma_dist,
		double	sigma_color,
		int	postprocess_window,
		double	sigma_dist_fix,
		double	sigma_color_fix,
		double	occ_thr,
		int	upscale_averaging_radius,
		double	upscale_sigma_dist,
		double	upscale_sigma_color,
		double	speed_up_thr )

Python:
	cv.optflow.calcOpticalFlowSF(	from_, to, layers, averaging_block_size, max_flow[, flow]	) ->	flow
	cv.optflow.calcOpticalFlowSF(	from_, to, layers, averaging_block_size, max_flow, sigma_dist, sigma_color, postprocess_window, sigma_dist_fix, sigma_color_fix, occ_thr, upscale_averaging_radius, upscale_sigma_dist, upscale_sigma_color, speed_up_thr[, flow]	) ->	flow

#include <opencv2/optflow.hpp>

"SimpleFlow" アルゴリズムを用いてオプティカルフローを計算する。

引数

from	1枚目の 8 ビット 3 チャンネル画像。
to	prev と同じサイズの2枚目の 8 ビット 3 チャンネル画像。
flow	prev と同じサイズで型 CV_32FC2 を持つ、計算されたフロー画像。
layers	レイヤー数。
averaging_block_size	ピクセルのコスト関数を計算する際に合計を取るブロックのサイズ。
max_flow	各レベルで探索する最大フロー。
sigma_dist	ベクトル平滑化の空間 sigma パラメータ。
sigma_color	ベクトル平滑化の色 sigma パラメータ。
postprocess_window	後処理のクロスバイラテラルフィルタのウィンドウサイズ。
sigma_dist_fix	後処理のクロスバイラテラルフィルタの空間 sigma。
sigma_color_fix	後処理のクロスバイラテラルフィルタの色 sigma。
occ_thr	オクルージョン検出のためのしきい値。
upscale_averaging_radius	バイラテラルアップスケール処理のウィンドウサイズ。
upscale_sigma_dist	バイラテラルアップスケール処理の空間 sigma。
upscale_sigma_color	バイラテラルアップスケール処理の色 sigma。
speed_up_thr	不規則なフローを持つ点を検出するためのしきい値。アップスケール後にフローを再計算すべき点を判定する。

[273] を参照。およびプロジェクトのサイト - http://graphics.berkeley.edu/papers/Tao-SAN-2012-05/。

覚え書き

simpleFlow アルゴリズムを用いた例は samples/simpleflow_demo.cpp にある

◆ calcOpticalFlowSparseRLOF()

void cv::optflow::calcOpticalFlowSparseRLOF	(	InputArray	prevImg,
		InputArray	nextImg,
		InputArray	prevPts,
		InputOutputArray	nextPts,
		OutputArray	status,
		OutputArray	err,
		Ptr< RLOFOpticalFlowParameter >	rlofParam = Ptr< RLOFOpticalFlowParameter >(),
		float	forwardBackwardThreshold = 0 )

Python:
	cv.optflow.calcOpticalFlowSparseRLOF(	prevImg, nextImg, prevPts, nextPts[, status[, err[, rlofParam[, forwardBackwardThreshold]]]]	) ->	nextPts, status, err

#include <opencv2/optflow/rlofflow.hpp>

optflow::calcOpticalFlowPyrLK() と同様にロバストローカルオプティカルフロー (RLOF) を用いて、疎な特徴集合に対する高速なオプティカルフローを計算する。

RLOF は [247] [248] [249] [250] で説明されている高速なローカルオプティカルフロー手法であり、[38] によって提案されたピラミッド型反復 Lucas-Kanade 法に類似している。詳細と実験は次の博士論文 [251] に記載されている。この実装は optflow::calcOpticalFlowPyrLK() から派生したものである。

引数

prevImg	1枚目の 8 ビット入力画像。クロスベースの RLOF を使用する場合（ optflow::RLOFOpticalFlowParameter::supportRegionType = SupportRegionType::SR_CROSS を選択した場合）、画像は 8 ビット 3 チャンネル画像でなければならない。
nextImg	2枚目の 8 ビット入力画像。クロスベースの RLOF を使用する場合（ optflow::RLOFOpticalFlowParameter::supportRegionType = SupportRegionType::SR_CROSS を選択した場合）、画像は 8 ビット 3 チャンネル画像でなければならない。
prevPts	フローを求める対象となる 2D 点のベクトル。点の座標は単精度浮動小数点数でなければならない。
nextPts	2枚目の画像における入力特徴の計算された新しい位置を含む、2D 点（単精度浮動小数点座標を持つ）の出力ベクトル。optflow::RLOFOpticalFlowParameter::useInitialFlow 変数が true の場合、このベクトルは入力と同じサイズを持ち、初期化用の点の対応関係を含んでいなければならない。
status	出力ステータスベクトル(unsigned char型)。対応する特徴のフローがforward-backwardチェックを通過した場合、ベクトルの各要素は1に設定される。
err	出力誤差ベクトル。ベクトルの各要素には、対応する特徴のforward-backward誤差が設定される。
rlofParam	optflow::RLOFOpticalFlowParameter を参照。
forwardBackwardThreshold	forward-backward信頼度チェックのしきい値。forewardBackwardThreshold <=0 の場合、forward

覚え書き: SIMD による並列化は SSE4.1 でコンパイルした場合のみ利用できる。

引数は [247], [248], [249] および [250] で説明されている。RLOF の設定については、詳細を optflow::RLOFOpticalFlowParameter を参照。

◆ calcOpticalFlowSparseToDense()

void cv::optflow::calcOpticalFlowSparseToDense	(	InputArray	from,
		InputArray	to,
		OutputArray	flow,
		int	grid_step = 8,
		int	k = 128,
		float	sigma = 0.05f,
		bool	use_post_proc = true,
		float	fgs_lambda = 500.0f,
		float	fgs_sigma = 1.5f )

Python:
	cv.optflow.calcOpticalFlowSparseToDense(	from_, to[, flow[, grid_step[, k[, sigma[, use_post_proc[, fgs_lambda[, fgs_sigma]]]]]]]	) ->	flow

#include <opencv2/optflow.hpp>

PyrLK の疎なマッチングの補間に基づく高速な密なオプティカルフロー。

引数

from	1枚目の8ビット3チャンネルまたは1チャンネル画像。
to	from と同じサイズの2枚目の8ビット3チャンネルまたは1チャンネル画像。
flow	from と同じサイズで CV_32FC2 型の計算されたフロー画像。
grid_step	スパースマッチ計算で使用するストライド。値を小さくすると通常は品質が向上するが、アルゴリズムの速度は低下する。
k	局所的なアフィンモデルをフィッティングする際に考慮する最近傍マッチの数。値を小さくすると、多少の品質低下と引き換えにアルゴリズムを顕著に高速化できる。
sigma	局所重み付きアフィンフィッティングにおいて重みがどれだけ速く減少するかを定義する引数。値を大きくすると細部の保持に役立ち、値を小さくすると出力フローのノイズ除去に役立つ。
use_post_proc	補間後の後処理として ximgproc::fastGlobalSmootherFilter() を使用するかどうかを定義する。
fgs_lambda	ximgproc::fastGlobalSmootherFilter() の対応する引数を参照。
fgs_sigma	ximgproc::fastGlobalSmootherFilter() の対応する引数を参照。

◆ createOptFlow_DeepFlow()

Ptr< DenseOpticalFlow > cv::optflow::createOptFlow_DeepFlow ( )

Python:
	cv.optflow.createOptFlow_DeepFlow(		) ->	retval

#include <opencv2/optflow.hpp>

DeepFlow オプティカルフローアルゴリズムの実装。

このクラスは [305] で説明されている DeepFlow オプティカルフローアルゴリズムを実装する。http://lear.inrialpes.fr/src/deepmatching/ も参照。クラスインスタンスを作成した後に変更できる引数（クラスのフィールド）:

member float alpha 平滑性仮定の重み
member float delta 色の恒常性仮定の重み
member float gamma 勾配の恒常性の重み
member float sigma ガウシアン平滑化の引数
member int minSize ピラミッド内の画像の最小の次元 (ピラミッド内の次の、より小さい画像が、いずれかの次元がこのサイズに達するまで生成される)
member float downscaleFactor 画像ピラミッドのスケーリング係数 (< 1 でなければならない)
member int fixedPointIterations ピラミッドの各レベルでの反復回数
member int sorIterations 逐次過緩和法 (ソルバー) の反復回数
member float omega SOR における緩和係数

◆ createOptFlow_DenseRLOF()

Ptr< DenseOpticalFlow > cv::optflow::createOptFlow_DenseRLOF ( )

Python:
	cv.optflow.createOptFlow_DenseRLOF(		) ->	retval

#include <opencv2/optflow/rlofflow.hpp>

密な RLOF アルゴリズムへの追加インターフェース - optflow::calcOpticalFlowDenseRLOF()

◆ createOptFlow_DualTVL1()

Ptr< DualTVL1OpticalFlow > cv::optflow::createOptFlow_DualTVL1 ( )

Python:
	cv.optflow.createOptFlow_DualTVL1(		) ->	retval

#include <opencv2/optflow.hpp>

cv::DenseOpticalFlow のインスタンスを作成する。

◆ createOptFlow_Farneback()

Ptr< DenseOpticalFlow > cv::optflow::createOptFlow_Farneback ( )

Python:
	cv.optflow.createOptFlow_Farneback(		) ->	retval

#include <opencv2/optflow.hpp>

Farneback のアルゴリズムへの追加インターフェース - calcOpticalFlowFarneback()

◆ createOptFlow_PCAFlow()

Ptr< DenseOpticalFlow > cv::optflow::createOptFlow_PCAFlow ( )

Python:
	cv.optflow.createOptFlow_PCAFlow(		) ->	retval

#include <opencv2/optflow/pcaflow.hpp>

PCAFlow のインスタンスを作成する。

◆ createOptFlow_SimpleFlow()

Ptr< DenseOpticalFlow > cv::optflow::createOptFlow_SimpleFlow ( )

Python:
	cv.optflow.createOptFlow_SimpleFlow(		) ->	retval

#include <opencv2/optflow.hpp>

SimpleFlow アルゴリズムへの追加インターフェース - calcOpticalFlowSF()

◆ createOptFlow_SparseRLOF()

Ptr< SparseOpticalFlow > cv::optflow::createOptFlow_SparseRLOF ( )

Python:
	cv.optflow.createOptFlow_SparseRLOF(		) ->	retval

#include <opencv2/optflow/rlofflow.hpp>

疎な RLOF アルゴリズムへの追加インターフェース - optflow::calcOpticalFlowSparseRLOF()

◆ createOptFlow_SparseToDense()

Ptr< DenseOpticalFlow > cv::optflow::createOptFlow_SparseToDense ( )

Python:
	cv.optflow.createOptFlow_SparseToDense(		) ->	retval

#include <opencv2/optflow.hpp>

SparseToDenseFlow アルゴリズムへの追加インターフェース - calcOpticalFlowSparseToDense()

◆ findCorrespondences()

template<int T>

void cv::optflow::GPCForest< T >::findCorrespondences	(	InputArray	imgFrom,
		InputArray	imgTo,
		std::vector< std::pair< Point2i, Point2i > > &	corr,
		const GPCMatchingParams	params = GPCMatchingParams() ) const

#include <opencv2/optflow/sparse_matching_gpc.hpp>

2枚の画像間の対応点を見つける。

引数

[in]	imgFrom	シーケンス内の1枚目の画像。
[in]	imgTo	シーケンス内の2枚目の画像。
[out]	corr	対応する点のペアを格納した出力ベクトル。
[in]	params	微調整のための追加マッチングパラメータ。

この関数の呼び出しグラフ:

◆ segmentMotion()

void cv::motempl::segmentMotion	(	InputArray	mhi,
		OutputArray	segmask,
		std::vector< Rect > &	boundingRects,
		double	timestamp,
		double	segThresh )

Python:
	cv.motempl.segmentMotion(	mhi, timestamp, segThresh[, segmask]	) ->	segmask, boundingRects

#include <opencv2/optflow/motempl.hpp>

モーション履歴画像を、独立した個別の動き (例えば左手、右手) に対応するいくつかの部分に分割する。

引数

mhi	モーション履歴画像 (motion history image)。
segmask	検出されたマスクを格納する画像。シングルチャンネル、32ビット浮動小数点。
boundingRects	モーションが連結した成分のROIを格納するベクトル。
timestamp	現在の時刻(ミリ秒またはその他の単位)。
segThresh	セグメンテーションのしきい値。モーション履歴の「ステップ」の間隔と等しいか、それ以上にすることが推奨される。

この関数はすべての動きセグメントを見つけ、それらを segmask に個別の値 (1,2,...) で印付ける。また、動きの連結成分の ROI を要素とするベクトルも計算する。その後、抽出された特定成分のマスクを用いて calcGlobalOrientation で各成分の動きの方向を計算できる。

◆ updateMotionHistory()

void cv::motempl::updateMotionHistory	(	InputArray	silhouette,
		InputOutputArray	mhi,
		double	timestamp,
		double	duration )

Python:
	cv.motempl.updateMotionHistory(	silhouette, mhi, timestamp, duration	) ->	mhi

#include <opencv2/optflow/motempl.hpp>

移動するシルエットによってモーション履歴画像を更新する。

引数

silhouette	モーションが発生した箇所に非ゼロのピクセルを持つシルエットマスク。
mhi	この関数によって更新されるモーション履歴画像(シングルチャンネル、32ビット浮動小数点)。
timestamp	現在の時刻(ミリ秒またはその他の単位)。
duration	モーショントラックの最大持続時間。単位は timestamp と同じ。

この関数はモーション履歴画像を次のように更新する。

\[\texttt{mhi} (x,y)= \forkthree{\texttt{timestamp}}{if \(\texttt{silhouette}(x,y) \ne 0\)}{0}{if \(\texttt{silhouette}(x,y) = 0\) and \(\texttt{mhi} < (\texttt{timestamp} - \texttt{duration})\)}{\texttt{mhi}(x,y)}{otherwise}\]

つまり、動きが発生した MHI のピクセルは現在のタイムスタンプに設定され、最後に動きがあったのがかなり前であるピクセルはクリアされる。

この関数は calcMotionGradient および calcGlobalOrientation とともに、[69] および [40] で説明されているモーションテンプレート技術を実装している。