https://github.com/kauahensilva/python_optical_flow_sensor
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.
https://github.com/kauahensilva/python_optical_flow_sensor
optical-flow visao-computacional
Last synced: about 1 year ago
JSON representation
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.
- Host: GitHub
- URL: https://github.com/kauahensilva/python_optical_flow_sensor
- Owner: KauaHenSilva
- Created: 2025-02-03T23:32:02.000Z (over 1 year ago)
- Default Branch: main
- Last Pushed: 2025-02-04T01:28:48.000Z (over 1 year ago)
- Last Synced: 2025-02-12T20:52:19.861Z (over 1 year ago)
- Topics: optical-flow, visao-computacional
- Language: Jupyter Notebook
- Homepage:
- Size: 8.55 MB
- Stars: 1
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# python_optical_flow_sensor
Este 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.
---
## Notebooks
### `optical_flow_dense.ipynb` [](https://colab.research.google.com/github/KauaHenSilva/python_optical_flow_sensor/blob/main/optical_flow_dense.ipynb)
**Funcionalidade:** Rastreamento de movimento utilizando o método de fluxo óptico denso de Farneback.
Este notebook implementa o cálculo do fluxo óptico denso para rastrear o movimento em vídeos.
#### Principais Funcionalidades:
- Uso do método de Farneback para cálculo do fluxo óptico denso.
- Suporte para vídeos armazenados no Google Drive.
- Rastreamento preciso de movimento em cada quadro do vídeo.
- Exibição dos resultados diretamente no notebook.
---
### `optical_flow_sparce.ipynb` [](https://colab.research.google.com/github/KauaHenSilva/python_optical_flow_sensor/blob/main/optical_flow_sparce.ipynb)
**Funcionalidade:** Rastreamento de movimento utilizando o método de fluxo óptico esparso de Lucas-Kanade.
Este notebook usa a técnica de Lucas-Kanade para calcular o fluxo óptico esparso em vídeos.
#### Principais Funcionalidades:
- Uso do método de Lucas-Kanade para cálculo do fluxo óptico esparso.
- Suporte para vídeos armazenados no Google Drive.
- Rastreamento eficiente de pontos de interesse em cada quadro do vídeo.
- Exibição dos resultados diretamente no notebook.
---
## Como Usar no Google Colab
Para executar os notebooks no Google Colab, siga os passos abaixo:
1. **Acesse o Google Colab:**
- Abra o [Google Colab](https://colab.research.google.com/).
2. **Carregue os Notebooks:**
- Clique em `Arquivo` > `Abrir notebook`.
- Escolha a aba `GitHub` e insira o link deste repositório.
- Selecione o notebook desejado (`optical_flow_dense.ipynb` ou `optical_flow_sparce.ipynb`).
3. **Conecte ao Google Drive (se necessário):**
- Alguns notebooks exigem acesso ao Google Drive para carregar vídeos.
4. **Execute as Células:**
- Conecte-se ao ambiente clicando em `Conectar` no canto superior direito.
- Execute as células sequencialmente para processar o vídeo e visualizar os resultados.
5. **Teste com seus Próprios Vídeos (Opcional):**
- Faça o upload de um vídeo diretamente no Google Colab usando:
```python
from google.colab import files
uploaded = files.upload()
```
- Substitua o caminho do vídeo no notebook pelo arquivo enviado.
---