TLD算法学习之L-K光流法理论篇二

        由于之前的L-K光流法对于大运动的跟踪束手无策，然后有人又提出图像金字塔的方法来解决这个问题。通过建立金字塔，在多尺度下计算光流，使得光流的计算的准确性又跨越了一步。

        金字塔光流的思想是对每个图像帧向下采样，分别建立多级金字塔，当采样到足够小以后，相邻的图像帧之间的运动将变得很小，以至于可以看成是物体的运动随时间变化很慢的运动情况，这时候就可以用L-K方法计算目标的光流，再将计算出来的光流向底层投影，计算下一层的光流，直到估算出原图像帧的光流。

    实际运用中，通常只计算到3-4层金字塔，没有必要建立更多的金字塔层数，因为随着图像的移动，算法可以应对光流大于窗口尺寸的特征点跟踪问题。

金字塔L-K光流通常用来估计图像特征点的光流，以提高图像光流场的计算速度。若给定图像I中的像素点u,计算图像J中与其匹配的像素点v，使得v=u+d。

其计算的总体流程如下：

    首先，计算金字塔最顶层图像的光流，根据最顶层光流结果计算其次上层的光流初始值，再进一步估算其光流的精确值。最后，用计算的次上层光流结果估计下一层光流的初始值，计算其精确的值后再继续带入下一层计算，直到金字塔的最底层。下面以伪代码的形式给出金字塔L-K光流的计算过程：

    以上就是整个L-K 算法的核心，如果懂了以上的步骤，我相信里看懂此算法的距离不远了,加油！！。