光流 python-opencv

cv2.calcOpticalFlowFarneback()函数是opencv中使用Gunnar Farneback算法计算稠密光流（每个像素的光流都要计算）的pyhton实现。相关论文为

《Two-Frame Motion Estimation Based on PolynomialExpansion》

，Gunnar Farneback算法基于图像梯度恒定假设和局部光流恒定假设。

调用格式：
flow = cv2.calcOpticalFlowFarneback(prevImg, nextImg, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags[, flow])

参数解析：
prevImg： 前一帧8-bit单通道图像

nextImg： 当前帧图像，与前一帧保持同样的格式、尺寸

pyr_scale： 金字塔上下两层之间的尺度关系，该参数一般设置为pyrScale=0.5，表示图像金字塔上一层是下一层的2倍降采样

levels：图像金字塔的层数

winsize：均值窗口大小，winsize越大，算法对图像噪声越鲁棒，并且能提升对快速运动目标的检测效果，但也会引起运动区域模糊。

iterations：算法在图像金字塔每层的迭代次数

poly_n：用于在每个像素点处计算多项式展开的相邻像素点的个数。poly_n越大，图像的近似逼近越光滑，算法鲁棒性更好，也会带来更多的运动区域模糊。通常，poly_n=5 or 7

poly_sigma：标准差，poly_n=5时，poly_sigma = 1.1；poly_n=7时，poly_sigma = 1.5