基于光流场的运动分析

1.实验原理

1.1光流概念

光流（Optical Flow）是空间运动物体在观测成像面上的像素运动的瞬时速度。光流场（Optical Flow Field）是指图像灰度模式的表面运动(即图像灰度的变化)。
1.2光流场工作原理
我们利用算法来实现。
假设：
1.连续的两帧图像之间，目标像素的亮度不改变
2.相邻的像素之间有相似的移动

设图像在像素点，时刻t的灰度值为I(x,y,t)。在经过了时间后，此像素在下一帧移动了,此时的灰度值为,而且亮度不变，因此

将上诉右式子做泰勒展开

在消去I(x, y, t)并忽略掉阶数大于或等于2的项后，得到光流约束方程

其中

和分别是图像的梯度，是图像沿着时间的梯度。
利用第二个假设，算法使用3 X 3的窗口。因此这个窗口中有9个像素点满足公式

用最小二乘法解得

以上都是基于运动距离较短的情况，如果在短时间内运动的距离很长，那么我们可以通过图像金字塔将大幅度的运动压缩为小幅度的运动。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。

2.实验步骤

2.1视频准备

首先固定相机的位置，对目标物体的运动进行拍摄，保持光照亮度不变

2.2程序实现

为了实现跟踪目标物体的任务，我们将其转化为跟踪目标物体上特定点的任务。
我们调用库中的函数来实现
首先读取第一帧，将彩色图像转化为灰度图，然后利用cv2.goodFeactureToTrack()找到角点

ret, old_frame = cap.read()  
old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY)    
p0 = cv2.goodFeaturesToTrack(old_gray, mask = None, **feature_params)

然后迭代的使用LK算法实现目标点的跟踪

nextPts,status,err = cv.calcOpticalFlowPyrLK(   prevImg, nextImg, prevPts, nextPts[, status[, err[, winSize[, maxLevel[, criteria[, flags[, minEigThreshold]]]]]]])  
prevImg表示上一帧图像、nextImg表示当前帧图像，prevPts表示上一帧图像的角点，nextPts表示当前帧图像的角点、winSize表示局部运动中金字塔的窗口大小，maxLevel表示金字塔的层数，criteria表示终止条件。

2.3绘制运动轨迹

 	for i, (new, old) in enumerate