KLT角点跟踪算法，也称为LK跟踪，是用于角点跟踪的经典方法。它基于亮度恒定、时间连续和空间一致性的假设，通过最小化灰度平方差寻找最佳匹配。算法涉及泰勒级数展开、牛顿迭代法求解偏移量，并利用特征值判断角点。Shi-Tomasi提出的Good Features角点检测方法，选取特征值大于阈值的点作为角点进行跟踪。
KLT角点跟踪算法全称Kanade-Lucas-Tomasi Tracking，又称LK跟踪算法。是经典的角点跟踪算法。算法假设目标在视频流中，只产生一致性的小位移，并且目标的灰度变化不大。那么算法必须是在以下3个假设成立的前提下发挥良好的效果：
（1）亮度恒定。
（2）时间连续或者运动位移小。
（3）空间一致性，邻近点有相似运动，保持相邻。
满足假设1保证目标不受亮度的影响；满足假设2保证在目标领域内能够对应的特征点；满足假设3保证在同一窗口内，所有点的位移相同。
定义同一目标出现在两帧图像、
中，如果图像中两点匹配，那么以这两点为中心，
为窗口存在极小的灰度平方差
，定义为：
(1)
其中坐标，偏移量
，一般地设置权重函数
，将公式(1)中的
替换成对称的形式
最低0.47元/天 解锁文章
扫一扫
1336
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
