詳細描述

函式
GMat	cv::gapi::BackgroundSubtractor (const GMat &src, const cv::gapi::video::BackgroundSubtractorParams &bsParams)
	基於高斯混合模型或 K 近鄰的背景/前景分割演算法。此操作生成前景掩膜。

std::tuple< GArray< GMat >, GScalar >	cv::gapi::buildOpticalFlowPyramid (const GMat &img, const Size &winSize, const GScalar &maxLevel, bool withDerivatives=true, int pyrBorder=BORDER_REFLECT_101, int derivBorder=BORDER_CONSTANT, bool tryReuseInputImage=true)
	構建可傳遞給 calcOpticalFlowPyrLK 的影像金字塔。

std::tuple< GArray< Point2f >, GArray< uchar >, GArray< float > >	cv::gapi::calcOpticalFlowPyrLK (const GArray< GMat > &prevPyr, const GArray< GMat > &nextPyr, const GArray< Point2f > &prevPts, const GArray< Point2f > &predPts, const Size &winSize=Size(21, 21), const GScalar &maxLevel=3, const TermCriteria &criteria=TermCriteria(TermCriteria::COUNT\|TermCriteria::EPS, 30, 0.01), int flags=0, double minEigThresh=1e-4)

std::tuple< GArray< Point2f >, GArray< uchar >, GArray< float > >	cv::gapi::calcOpticalFlowPyrLK (const GMat &prevImg, const GMat &nextImg, const GArray< Point2f > &prevPts, const GArray< Point2f > &predPts, const Size &winSize=Size(21, 21), const GScalar &maxLevel=3, const TermCriteria &criteria=TermCriteria(TermCriteria::COUNT\|TermCriteria::EPS, 30, 0.01), int flags=0, double minEigThresh=1e-4)
	使用金字塔的迭代 Lucas-Kanade 方法計算稀疏特徵集的光流。

GMat	cv::gapi::KalmanFilter (const GMat &measurement, const GOpaque< bool > &haveMeasurement, const cv::gapi::KalmanParams &kfParams)

GMat	cv::gapi::KalmanFilter (const GMat &measurement, const GOpaque< bool > &haveMeasurement, const GMat &control, const cv::gapi::KalmanParams &kfParams)
	標準卡爾曼濾波演算法 http://en.wikipedia.org/wiki/Kalman_filter。

函式文件

◆ BackgroundSubtractor()

GMat cv::gapi::BackgroundSubtractor	(	const GMat &	src,
		const cv::gapi::video::BackgroundSubtractorParams &	bsParams )

#include <opencv2/gapi/video.hpp>

基於高斯混合模型或 K 近鄰的背景/前景分割演算法。此操作生成前景掩膜。

返回: 輸出影像是前景掩膜，即 8 位無符號 1 通道（二值）矩陣 CV_8UC1。

注意: 功能文字ID為 "org.opencv.video.BackgroundSubtractor"

引數

src	輸入影像：浮點幀不經過縮放使用，應在 [0,255] 範圍內。
bsParams	背景減法器核心的初始化引數集。

◆ buildOpticalFlowPyramid()

std::tuple< GArray< GMat >, GScalar > cv::gapi::buildOpticalFlowPyramid	(	const GMat &	img,
		const Size &	winSize,
		const GScalar &	maxLevel,
		bool	withDerivatives = true,
		int	pyrBorder = BORDER_REFLECT_101,
		int	derivBorder = BORDER_CONSTANT,
		bool	tryReuseInputImage = true )

#include <opencv2/gapi/video.hpp>

構建可傳遞給 calcOpticalFlowPyrLK 的影像金字塔。

注意: 功能文字ID為 "org.opencv.video.buildOpticalFlowPyramid"

引數

img	8 位輸入影像。
winSize	光流演算法的視窗大小。必須不小於 calcOpticalFlowPyrLK 的 winSize 引數。需要它來計算金字塔層所需的填充。
maxLevel	基於 0 的最大金字塔層數。
withDerivatives	設定為預計算每個金字塔層的梯度。如果金字塔在沒有梯度的情況下構建，則 calcOpticalFlowPyrLK 將在內部計算它們。
pyrBorder	金字塔層的邊界模式。
derivBorder	梯度的邊界模式。
tryReuseInputImage	如果可能，將輸入影像的 ROI 放入金字塔。您可以傳遞 false 以強制資料複製。

返回

輸出金字塔。
構建金字塔中的層數。可以小於 maxLevel。

◆ calcOpticalFlowPyrLK() [1/2]

std::tuple< GArray< Point2f >, GArray< uchar >, GArray< float > > cv::gapi::calcOpticalFlowPyrLK	(	const GArray< GMat > &	prevPyr,
		const GArray< GMat > &	nextPyr,
		const GArray< Point2f > &	prevPts,
		const GArray< Point2f > &	predPts,
		const Size &	winSize = Size(21, 21),
		const GScalar &	maxLevel = 3,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT\|TermCriteria::EPS, 30, 0.01),
		int	flags = 0,
		double	minEigThresh = 1e-4 )

#include <opencv2/gapi/video.hpp>

這是一個過載的成員函式，為方便起見而提供。它與上述函式的區別僅在於它接受的引數。

注意: 功能文字ID為 "org.opencv.video.calcOpticalFlowPyrLKForPyr"

◆ calcOpticalFlowPyrLK() [2/2]

std::tuple< GArray< Point2f >, GArray< uchar >, GArray< float > > cv::gapi::calcOpticalFlowPyrLK	(	const GMat &	prevImg,
		const GMat &	nextImg,
		const GArray< Point2f > &	prevPts,
		const GArray< Point2f > &	predPts,
		const Size &	winSize = Size(21, 21),
		const GScalar &	maxLevel = 3,
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT\|TermCriteria::EPS, 30, 0.01),
		int	flags = 0,
		double	minEigThresh = 1e-4 )

#include <opencv2/gapi/video.hpp>

使用金字塔的迭代 Lucas-Kanade 方法計算稀疏特徵集的光流。

參見 [37]。

注意: 功能文字ID為 "org.opencv.video.calcOpticalFlowPyrLK"

引數

prevImg	第一個 8 位輸入影像 (GMat) 或由 buildOpticalFlowPyramid 構建的金字塔 (GArray<GMat>)。
nextImg	第二個輸入影像 (GMat) 或金字塔 (GArray<GMat>)，與 prevImg 具有相同的大小和型別。
prevPts	GArray，包含需要查詢光流的 2D 點；點座標必須是單精度浮點數。
predPts	GArray，包含用於流搜尋的初始 2D 點；僅當傳遞 OPTFLOW_USE_INITIAL_FLOW 標誌時才有意義；在這種情況下，向量的大小必須與輸入相同。
winSize	每個金字塔級別的搜尋視窗大小。
maxLevel	基於 0 的最大金字塔層數；如果設定為 0，則不使用金字塔（單層），如果設定為 1，則使用兩層，依此類推；如果金字塔作為輸入傳遞，則演算法將使用金字塔所擁有的層數，但不超過 maxLevel。
criteria	引數，指定迭代搜尋演算法的終止準則（在指定的迭代最大次數 criteria.maxCount 之後或當搜尋視窗移動小於 criteria.epsilon 時）。
flags	操作標誌 OPTFLOW_USE_INITIAL_FLOW 使用儲存在 nextPts 中的初始估計；如果未設定此標誌，則 prevPts 會複製到 nextPts 並被視為初始估計。 OPTFLOW_LK_GET_MIN_EIGENVALS 使用最小特徵值作為誤差度量（參見 minEigThreshold 描述）；如果未設定此標誌，則使用原始點和移動點周圍的塊之間的 L1 距離，除以視窗中的畫素數，作為誤差度量。
minEigThresh	演算法計算光流方程的 2x2 正規矩陣（此矩陣在 [37] 中被稱為空間梯度矩陣）的最小特徵值，並將其除以視窗中的畫素數；如果此值小於 minEigThreshold，則相應的特徵將被過濾掉，其光流將不被處理，因此這允許去除不良點並獲得性能提升。

返回

GArray，包含第二張影像中輸入特徵的計算新位置的 2D 點（具有單精度浮點座標）。
status GArray（無符號字元型別）；如果已找到相應特徵的流，則向量的每個元素設定為 1，否則設定為 0。
GArray，包含誤差（雙精度浮點數）；向量的每個元素都設定為相應特徵的誤差，誤差度量型別可在 flags 引數中設定；如果未找到流，則誤差未定義（使用 status 引數查詢此類情況）。

◆ KalmanFilter() [1/2]

GMat cv::gapi::KalmanFilter	(	const GMat &	measurement,
		const GOpaque< bool > &	haveMeasurement,
		const cv::gapi::KalmanParams &	kfParams )

#include <opencv2/gapi/video.hpp>

這是一個過載的成員函式，為方便起見而提供。它與上述函式的區別僅在於它接受的引數。這是動態系統中沒有控制的標準卡爾曼濾波演算法的情況。在這種情況下，controlMatrix 為空且控制向量不存在。

注意: 功能文字ID為 "org.opencv.video.KalmanFilterNoControl"

引數

measurement	輸入矩陣：包含測量值的 32 位或 64 位浮點單通道矩陣。
haveMeasurement	動態輸入標誌，指示我們是否在特定迭代中獲得測量值。
kfParams	卡爾曼濾波核心的初始化引數集。

返回: 輸出矩陣是預測狀態或校正狀態。它們可以是 32 位或 64 位浮點單通道矩陣 CV_32FC1 或 CV_64FC1。

另請參見: cv::KalmanFilter

◆ KalmanFilter() [2/2]

GMat cv::gapi::KalmanFilter	(	const GMat &	measurement,
		const GOpaque< bool > &	haveMeasurement,
		const GMat &	control,
		const cv::gapi::KalmanParams &	kfParams )

#include <opencv2/gapi/video.hpp>

標準卡爾曼濾波演算法 http://en.wikipedia.org/wiki/Kalman_filter。

注意: 功能文字ID為 "org.opencv.video.KalmanFilter"

引數

measurement	輸入矩陣：包含測量值的 32 位或 64 位浮點單通道矩陣。
haveMeasurement	動態輸入標誌，指示我們是否在特定迭代中獲得測量值。
control	輸入矩陣：包含用於改變動態系統的控制資料的 32 位或 64 位浮點單通道矩陣。
kfParams	卡爾曼濾波核心的初始化引數集。

返回: 輸出矩陣是預測狀態或校正狀態。它們可以是 32 位或 64 位浮點單通道矩陣 CV_32FC1 或 CV_64FC1。

如果給定測量矩陣（haveMeasurements == true），將返回校正後的狀態，這對應於流水線 cv::KalmanFilter::predict(control) -> cv::KalmanFilter::correct(measurement)。否則，將返回預測狀態，這對應於對 cv::KalmanFilter::predict(control) 的呼叫。

另請參見: cv::KalmanFilter