详细描述

函数
GMat	cv::gapi::BackgroundSubtractor (const GMat &src, const cv::gapi::video::BackgroundSubtractorParams &bsParams)
	基于高斯混合模型或 K 近邻的背景/前景分割算法。该操作生成前景掩码。

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)
	构建图像金字塔，可传递给 calcOpticalFlowPyrLK。

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)
	使用带有金字塔的迭代 Lucas-Kanade 方法计算稀疏特征集的光流。

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)
	标准卡尔曼滤波算法 http://en.wikipedia.org/wiki/Kalman_filter。

函数文档

◆ BackgroundSubtractor()

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

#include <opencv2/gapi/video.hpp>

基于高斯混合模型或 K 近邻的背景/前景分割算法。该操作生成前景掩码。

返回值: 输出图像为前景掩码，即 8 位无符号单通道（二值）矩阵 CV_8UC1。

注意: 函数文本 ID 为“org.opencv.video.BackgroundSubtractor”

参数

src	输入图像：使用浮点型帧，无需缩放，应在 [0,255] 范围内。
bsParams	背景减除内核的一组初始化参数。

◆ 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>

构建图像金字塔，可传递给 calcOpticalFlowPyrLK。

注意: 函数文本 ID 为“org.opencv.video.buildOpticalFlowPyramid”

参数

img	8 位输入图像。
winSize	光流算法的窗口大小。必须不小于 calcOpticalFlowPyrLK 的 winSize 参数。它需要计算金字塔级别所需的填充。
maxLevel	基于 0 的最大金字塔级别编号。
withDerivatives	设置为预计算每个金字塔级别的梯度。如果金字塔是在没有梯度的情况下构建的，则 calcOpticalFlowPyrLK 将在内部计算它们。
pyrBorder	金字塔层的边界模式。
derivBorder	梯度的边界模式。
tryReuseInputImage	如果可能，将输入图像的 ROI 放入金字塔中。您可以传递 false 以强制数据复制。

返回值

输出金字塔。
构建的金字塔中的级别数。可能小于 maxLevel。

◆ calcOpticalFlowPyrLK() [1/2]

cv::gapi::calcOpticalFlowPyrLK 返回一个元组 std::tuple< GArray< Point2f >, GArray< uchar >, GArray< float > >	(	const GArray< GMat > &	前一帧图像金字塔 prevPyr,
		const GArray< GMat > &	后一帧图像金字塔 nextPyr,
		const GArray< Point2f > &	前一帧特征点 prevPts,
		const GArray< Point2f > &	预测的特征点位置 predPts,
		const Size &	winSize = Size(21, 21)，搜索窗口大小
		const GScalar &	maxLevel = 3，最大金字塔层数
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT\|TermCriteria::EPS, 30, 0.01)，迭代终止条件
		int	flags = 0，操作标志
		double	minEigThresh = 1e-4，最小特征值阈值

#include <opencv2/gapi/video.hpp>

这是一个重载的成员函数，为了方便使用。它与上面的函数的区别仅在于它接受的参数。

注意: 函数文本 ID 为 "org.opencv.video.calcOpticalFlowPyrLKForPyr"

◆ calcOpticalFlowPyrLK() [2/2]

cv::gapi::calcOpticalFlowPyrLK 返回一个元组 std::tuple< GArray< Point2f >, GArray< uchar >, GArray< float > >	(	const GMat &	前一帧图像 prevImg,
		const GMat &	后一帧图像 nextImg,
		const GArray< Point2f > &	前一帧特征点 prevPts,
		const GArray< Point2f > &	预测的特征点位置 predPts,
		const Size &	winSize = Size(21, 21)，搜索窗口大小
		const GScalar &	maxLevel = 3，最大金字塔层数
		const TermCriteria &	criteria = TermCriteria(TermCriteria::COUNT\|TermCriteria::EPS, 30, 0.01)，迭代终止条件
		int	flags = 0，操作标志
		double	minEigThresh = 1e-4，最小特征值阈值

#include <opencv2/gapi/video.hpp>

使用带有金字塔的迭代 Lucas-Kanade 方法计算稀疏特征集的光流。

参见 [36]。

注意: 函数文本 ID 为 "org.opencv.video.calcOpticalFlowPyrLK"

参数

前一帧图像 prevImg	第一个 8 位输入图像 (GMat) 或由 buildOpticalFlowPyramid 函数构建的金字塔 (GArray<GMat>)。
后一帧图像 nextImg	第二个输入图像 (GMat) 或与 prevImg 大小和类型相同的金字塔 (GArray<GMat>)。
前一帧特征点 prevPts	需要查找光流的二维点 GArray；点坐标必须是单精度浮点数。
预测的特征点位置 predPts	光流搜索的二维点初始值 GArray；只有在传递 OPTFLOW_USE_INITIAL_FLOW 标志时才有意义；在这种情况下，向量的尺寸必须与输入相同。
winSize	每个金字塔层搜索窗口的大小。
maxLevel	基于 0 的最大金字塔层数；如果设置为 0，则不使用金字塔（单层）；如果设置为 1，则使用两层，依此类推；如果将金字塔传递给输入，则算法将使用与金字塔层数一样多的层数，但不超过 maxLevel。
迭代终止条件 criteria	指定迭代搜索算法终止条件的参数（在指定的最大迭代次数 criteria.maxCount 后或当搜索窗口移动小于 criteria.epsilon 时）。
操作标志 flags	操作标志 OPTFLOW_USE_INITIAL_FLOW: 使用存储在 nextPts 中的初始估计值；如果没有设置此标志，则将 prevPts 复制到 nextPts 并将其视为初始估计值。 OPTFLOW_LK_GET_MIN_EIGENVALS: 使用最小特征值作为误差度量（参见 minEigThreshold 说明）；如果没有设置此标志，则使用原始点和移动点周围区域的 L1 距离除以窗口中像素的数量作为误差度量。
最小特征值阈值 minEigThresh	算法计算光流方程 2x2 正规矩阵的最小特征值（此矩阵在 [36] 中称为空间梯度矩阵），除以窗口中的像素数量；如果此值小于 minEigThreshold，则会过滤掉相应的特征，并且不会处理其光流，因此它允许去除不良点并提高性能。

返回值

包含在第二幅图像中计算出的输入特征新位置的二维点 GArray（具有单精度浮点坐标）。
状态 GArray（无符号字符）；如果已找到相应特征的光流，则向量的每个元素都设置为 1，否则设置为 0。
误差 GArray（双精度数）；向量的每个元素都设置为相应特征的误差，误差度量的类型可以在 flags 参数中设置；如果未找到光流，则误差未定义（使用 status 参数查找此类情况）。

◆ KalmanFilter() [1/2]

cv::gapi::KalmanFilter 返回一个 GMat	(	const GMat &	测量值 measurement,
		const GOpaque< bool > &	是否具有测量值 haveMeasurement,
		const cv::gapi::KalmanParams &	kfParams 卡尔曼滤波器参数

#include <opencv2/gapi/video.hpp>

这是一个重载的成员函数，为了方便使用。它与上面的函数的区别仅在于它接受的参数。这是标准卡尔曼滤波算法在动态系统中没有控制的情况下的情况。在这种情况下，控制矩阵为空，并且没有控制向量。

注意: 函数文本 ID 为 "org.opencv.video.KalmanFilterNoControl"

参数

测量值 measurement	输入矩阵：包含测量的 32 位或 64 位浮点型单通道矩阵。
是否具有测量值 haveMeasurement	动态输入标志，指示在特定迭代中是否获得测量值。
kfParams 卡尔曼滤波器参数	卡尔曼滤波器内核的一组初始化参数。

返回值: 输出矩阵是预测的或校正的状态。它们可以是 32 位或 64 位浮点型单通道矩阵 CV_32FC1 或 CV_64FC1。

另请参见: cv::KalmanFilter

◆ KalmanFilter() [2/2]

cv::gapi::KalmanFilter 返回一个 GMat	(	const GMat &	测量值 measurement,
		const GOpaque< bool > &	是否具有测量值 haveMeasurement,
		const GMat &	控制量 control,
		const cv::gapi::KalmanParams &	kfParams 卡尔曼滤波器参数

#include <opencv2/gapi/video.hpp>

标准卡尔曼滤波算法 http://en.wikipedia.org/wiki/Kalman_filter。

注意: 函数文本 ID 为 "org.opencv.video.KalmanFilter"

参数

测量值 measurement	输入矩阵：包含测量的 32 位或 64 位浮点型单通道矩阵。
是否具有测量值 haveMeasurement	动态输入标志，指示在特定迭代中是否获得测量值。
控制量 control	输入矩阵：包含用于更改动态系统的控制数据的 32 位或 64 位浮点型单通道矩阵。
kfParams 卡尔曼滤波器参数	卡尔曼滤波器内核的一组初始化参数。

返回值: 输出矩阵是预测的或校正的状态。它们可以是 32 位或 64 位浮点型单通道矩阵 CV_32FC1 或 CV_64FC1。

如果给出测量矩阵 (haveMeasurements == true)，则将返回校正后的状态，这对应于管道 cv::KalmanFilter::predict(control) -> cv::KalmanFilter::correct(measurement)。否则，将返回预测状态，这对应于 cv::KalmanFilter::predict(control) 的调用。

另请参见: cv::KalmanFilter