{"id":25284726,"url":"https://github.com/kauahensilva/python_optical_flow_sensor","last_synced_at":"2025-04-06T15:13:56.926Z","repository":{"id":275674385,"uuid":"926828780","full_name":"KauaHenSilva/python_optical_flow_sensor","owner":"KauaHenSilva","description":"A Python project on optical flow using various approaches. It develops a system that tracks motion in videos by applying both dense (Farneback) and sparse (Lucas-Kanade) optical flow methods, optimized for execution on Google Colab.","archived":false,"fork":false,"pushed_at":"2025-02-04T01:28:48.000Z","size":8969,"stargazers_count":1,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-02-12T20:52:19.861Z","etag":null,"topics":["optical-flow","visao-computacional"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/KauaHenSilva.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2025-02-03T23:32:02.000Z","updated_at":"2025-02-04T01:40:17.000Z","dependencies_parsed_at":"2025-02-04T00:31:56.151Z","dependency_job_id":"d71f29c5-cef0-4903-aa74-0ed9e5cdc03c","html_url":"https://github.com/KauaHenSilva/python_optical_flow_sensor","commit_stats":null,"previous_names":["kauahensilva/python_optical_flow_sensor"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/KauaHenSilva%2Fpython_optical_flow_sensor","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/KauaHenSilva%2Fpython_optical_flow_sensor/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/KauaHenSilva%2Fpython_optical_flow_sensor/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/KauaHenSilva%2Fpython_optical_flow_sensor/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/KauaHenSilva","download_url":"https://codeload.github.com/KauaHenSilva/python_optical_flow_sensor/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":247500470,"owners_count":20948880,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["optical-flow","visao-computacional"],"created_at":"2025-02-12T20:52:21.935Z","updated_at":"2025-04-06T15:13:56.903Z","avatar_url":"https://github.com/KauaHenSilva.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# python_optical_flow_sensor\n\nEste repositório contém dois Jupyter Notebooks que demonstram métodos de fluxo óptico utilizando a biblioteca OpenCV. São apresentadas duas abordagens distintas: o método de fluxo óptico denso de Farneback e o método de fluxo óptico esparso de Lucas-Kanade. Ambos os notebooks são otimizados para execução no **Google Colab**, permitindo testar e visualizar os resultados diretamente na nuvem.\n\n---\n\n## Notebooks\n\n### `optical_flow_dense.ipynb` [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/KauaHenSilva/python_optical_flow_sensor/blob/main/optical_flow_dense.ipynb)\n\n**Funcionalidade:** Rastreamento de movimento utilizando o método de fluxo óptico denso de Farneback.\n\nEste notebook implementa o cálculo do fluxo óptico denso para rastrear o movimento em vídeos.\n\n#### Principais Funcionalidades:\n- Uso do método de Farneback para cálculo do fluxo óptico denso.\n- Suporte para vídeos armazenados no Google Drive.\n- Rastreamento preciso de movimento em cada quadro do vídeo.\n- Exibição dos resultados diretamente no notebook.\n\n---\n\n### `optical_flow_sparce.ipynb` [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/KauaHenSilva/python_optical_flow_sensor/blob/main/optical_flow_sparce.ipynb)\n\n**Funcionalidade:** Rastreamento de movimento utilizando o método de fluxo óptico esparso de Lucas-Kanade.\n\nEste notebook usa a técnica de Lucas-Kanade para calcular o fluxo óptico esparso em vídeos.\n\n#### Principais Funcionalidades:\n- Uso do método de Lucas-Kanade para cálculo do fluxo óptico esparso.\n- Suporte para vídeos armazenados no Google Drive.\n- Rastreamento eficiente de pontos de interesse em cada quadro do vídeo.\n- Exibição dos resultados diretamente no notebook.\n\n---\n\n## Como Usar no Google Colab\n\nPara executar os notebooks no Google Colab, siga os passos abaixo:\n\n1. **Acesse o Google Colab:**\n  - Abra o [Google Colab](https://colab.research.google.com/).\n\n2. **Carregue os Notebooks:**\n  - Clique em `Arquivo` \u003e `Abrir notebook`.\n  - Escolha a aba `GitHub` e insira o link deste repositório.\n  - Selecione o notebook desejado (`optical_flow_dense.ipynb` ou `optical_flow_sparce.ipynb`).\n\n3. **Conecte ao Google Drive (se necessário):**\n  - Alguns notebooks exigem acesso ao Google Drive para carregar vídeos.\n\n4. **Execute as Células:**\n  - Conecte-se ao ambiente clicando em `Conectar` no canto superior direito.\n  - Execute as células sequencialmente para processar o vídeo e visualizar os resultados.\n\n5. **Teste com seus Próprios Vídeos (Opcional):**\n  - Faça o upload de um vídeo diretamente no Google Colab usando:\n    ```python\n    from google.colab import files\n    uploaded = files.upload()\n    ```\n  - Substitua o caminho do vídeo no notebook pelo arquivo enviado.\n\n---\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fkauahensilva%2Fpython_optical_flow_sensor","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fkauahensilva%2Fpython_optical_flow_sensor","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fkauahensilva%2Fpython_optical_flow_sensor/lists"}