Vad är optiskt flöde?

Optical Flow beskriver datoriserad spårning av rörliga objekt genom att analysera innehållsskillnader mellan videoramar. I en video kan både objekt och observatören vara i rörelse; Datorn kan hitta ledtrådar som markerar gränser, kanter och regioner för enskilda stillbilder. Att upptäcka sina framsteg gör att datorn kan följa ett objekt genom tid och rum. Tekniken används inom branscher och forskning, inklusive drift av obemannade flygfordon (UAV) och säkerhetssystem.

Två primära metoder genererar denna datorvision: gradientbaserad och funktionsbaserad rörelsedetektering. Gradientbaserat optiskt flödesmäter förändringar i bildintensitet genom rum och tid. Det skannar ett tätt flödesfältplan. Funktionsbaserade flöden överläggskanter på objekt inom ramar för att markera framsteg.

Den här tekniken liknar videokorderstabiliseringen, vilket gör att ett beräknat synfält kan låsas in i ramen trots kamerasak. Optiska flödesalgoritmer BeräknaMatchningar mellan bilder i sekvens. Datorn delar upp varje bild i fyrkantiga rutnät. Överlagring av två bilder tillåter jämförelser för att hitta de bästa torgens matcher. När datorn lokaliserar en match, drar den en linje mellan skillnadspunkterna, ibland kallade nålar.

algoritmer fungerar systematiskt från grova till fina upplösningar. Detta tillåter rörelsespårning mellan bilder med skillnader i upplösning. Datorn känner inte igen objekt, utan upptäcker och följer endast de egenskaper hos objekt som kan jämföras mellan ramar.

Computing Optical Flow Vectors kan upptäcka och spåra objekt och även extrahera en bilds dominerande plan. Detta kan hjälpa till med robotnavigering och visuell odometri, eller robotorientering och position. Den noterar inte bara föremål utan också omgivande omgivningar i tre dimensioner och ger robotar mer livliga rumslig medvetenhet. Vektorer beräknade in ett plan tillåter processorn att dra slutsatsen och svara på rörelser som extraheras från ramarna.

Vissa svagheter i den optiska flödetekniken inkluderar dataförlust som är resultatet av kvadrater som datorn inte kan matcha mellan bilder. Dessa oöverträffade områden förblir lediga och skapar plana tomrum, vilket minskar noggrannheten. Klar kanter eller stabila element som hörn bidrar till flödesanalys.

detaljerade faktorer kan döljas om observatören också är i rörelse, eftersom den inte kan skilja vissa element från ram till ram. Analysen delar upp rörelse till uppenbart globalt flöde och lokaliserad objektrörelse, eller egomotion. Rums-temporära förändringar i kanter eller bildintensitet går vilse i kamerans rörelse och det globala flödet i den rörliga miljön. Analysen förbättras om datorn kan eliminera effekten av det globala flödet.