import numpy as np
import cv2
import time

HoG特徴量の計算

hog = cv2.HOGDescriptor()

サンプル画像

cap = cv2.VideoCapture('768x576.avi')

Shi-Tomasiのコーナー検出パラメータ

feature_params = dict( maxCorners = 100,
qualityLevel = 0.3,
minDistance = 7,
blockSize = 7 )

Lucas-Kanade法のパラメータ

lk_params = dict( winSize = (15,15),
maxLevel = 2,
criteria = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))

ランダムに色を100個生成（値0～255の範囲で100行3列のランダムなndarrayを生成）

color = np.random.randint(0, 255, (100, 3))

最初のフレームの処理

end_flag, frame = cap.read()

グレースケール変換

gray_prev = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

追跡に向いた特徴

feature_prev = cv2.goodFeaturesToTrack(gray_prev, mask = None, **feature_params)

元の配列と同じ形にして0を代入

mask = np.zeros_like(frame)

全身の人を検出(SVM)

hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
hogParams = {'winStride': (8, 8), 'padding': (32, 32), 'scale': 1.1}

while(end_flag):
# グレースケールに変換
gray_next = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

#時間取得
start = time.time()
# 人を検出した座標
human, r = hog.detectMultiScale(frame, **hogParams)
#時間取得
end = time.time()
# 検出時間を表示

print("{} : {:4.1f}ms".format("detectTime", (end - start) * 1000))

# オプティカルフロー検出
# オプティカルフローとは物体やカメラの移動によって生じる隣接フレーム間の物体の動きの見え方のパターン
feature_next, status, err = cv2.calcOpticalFlowPyrLK(gray_prev, gray_next, feature_prev, None, **lk_params)
# オプティカルフローを検出した特徴点を選別（0：検出せず、1：検出した）
good_prev = feature_prev[status == 1]
good_next = feature_next[status == 1]

# オプティカルフローを描画
for i, (next_point, prev_point) in enumerate(zip(good_next, good_prev)):
    prev_x, prev_y = prev_point.ravel()
    next_x, next_y = next_point.ravel()
    mask = cv2.line(mask, (next_x, next_y), (prev_x, prev_y), color[i].tolist(), 2)
    frame = cv2.circle(frame, (next_x, next_y), 5, color[i].tolist(), -1)

svm_img = cv2.add(frame, mask)

# 人検出した数表示のため変数初期化
svm_human_cnt = 0  
# 人検出した部分を長方形で囲う(SVM)
for (x, y, w, h) in human:
    cv2.rectangle(svm_img, (x, y),(x+w, y+h),(0,0,255), 2)
    svm_human_cnt += 1

# 人検出した数を表示
cv2.putText(svm_img, "Human Cnt:{}".format(int(svm_human_cnt)),(10,550), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 1, cv2.LINE_AA)
cv2.moveWindow("SVM",650,100) # Window表示位置指定 
# ウィンドウに表示
cv2.imshow('SVM', svm_img)

# ESCキー押下で終了
if cv2.waitKey(30) & 0xff == 27:
    break

# 次のフレーム、ポイントの準備
gray_prev = gray_next.copy()
feature_prev = good_next.reshape(-1, 1, 2)
end_flag, frame = cap.read()