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

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

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.

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:

  from google.colab import files
  uploaded = files.upload()

• Substitua o caminho do vídeo no notebook pelo arquivo enviado.

---