Descubre el poder del Flujo Óptico en la visión por ordenador. Aprende cómo estima el movimiento, mejora el análisis de vídeo e impulsa las innovaciones en IA.
El flujo óptico es un concepto fundamental en visión por ordenador (cv ) que se utiliza para describir el movimiento aparente de objetos, superficies y bordes en una escena visual causado por el movimiento relativo entre un observador (como una cámara) y la escena. Calcula un campo de vectores que representan el desplazamiento de patrones de brillo (píxeles o características) entre fotogramas consecutivos de una secuencia de vídeo. Esto proporciona una valiosa información sobre la dinámica del movimiento dentro del vídeo, que constituye la base de muchas tareas de visión de nivel superior.
El supuesto básico de la mayoría de los algoritmos de flujo óptico es la constancia del brillo: la idea de que la intensidad de un punto concreto de un objeto permanece constante a lo largo de intervalos de tiempo cortos, incluso cuando se mueve por el plano de la imagen. Los algoritmos siguen estos patrones de brillo constante de un fotograma al siguiente para estimar los vectores de movimiento. Algunas técnicas habituales son:
Estos métodos proporcionan una comprensión de bajo nivel del movimiento de los píxeles, que luego puede interpretarse para diversas aplicaciones.
El flujo óptico tiene numerosas aplicaciones prácticas en distintos ámbitos:
Aunque están relacionados, el flujo óptico y el seguimiento de objetos son tareas distintas. El flujo óptico proporciona vectores de movimiento de bajo nivel para píxeles o características entre dos fotogramas consecutivos. No comprende intrínsecamente la identidad de los objetos ni los rastrea durante períodos más largos.
El seguimiento de objetos, a menudo realizado mediante modelos como Ultralytics YOLOse centra en identificar instancias específicas de objetos (normalmente detectadas mediante la detección de objetos) y mantener sus identidades y trayectorias a través de múltiples fotogramas, potencialmente durante largos periodos. Los algoritmos de seguimiento suelen utilizar el flujo óptico como entrada (junto con modelos de apariencia, filtros de Kalman, etc.) para predecir la ubicación de los objetos en fotogramas posteriores, pero el seguimiento es una tarea de nivel superior que se ocupa de la persistencia de los objetos. Puedes explorar modelos como YOLOv8 para el seguimiento.
Bibliotecas como OpenCV proporcionan implementaciones fácilmente disponibles de varios algoritmos de flujo óptico.