简介:在计算机视觉中
,Lucas–Kan
ade光流算法是一种
两帧差分的光流估计算
法。它由Bruce D. Lucas 和 Takeo Kanade提出。
光流的概念:(Opt ical flow or optic flow)
它是一种运动模式,这 种运动模式指的是一个
物体、表面、边缘在一
个视角下由一个观察者
(比如眼睛、摄像头等
)和背景之间形成的明
显移动。光流技术,如
运动检测和图像分割,
时间碰撞,运动补偿编
码,三维立体视差,都
是利用了这种边缘或表
面运动的技术。
二维图像的移动相对于 观察者而言是三维物体
移动的在图像平面的投
影。
有序的图像可以估计出 二维图像的瞬时图像速
率或离散图像转移。
光流算法:
它评估了两幅图像的之 间的变形,它的基本假
设是体素和图像像素守
恒。它假设一个物体的
颜色在前后两帧没有巨
大而明显的变化。基于
这个思路,我们可以得
到图像约束方程。不同
的光流算法解决了假定
了不同附加条件的光流
问题。
Lucas–Kana de算法:
这个算法是最常见,最 流行的。它计算两帧在
时间t 到t + δt之间每个每个像素
点位置的移动。 由于它是基于图像信号
的泰勒级数,这种方法
称为差分,这就是对于
空间和时间坐标使用偏
导数。
图像约束方程可以写为 I( x, y, z, t) = I( x + δ x, y + δ y, z + δ z, t + δ t)
I(x, y,z, t) 为在(x,y,z)位 置的体素。
我们假设移动足够的小 ,那么对图像约束方程
使用泰勒公式,我们可
以得到:
光流的概念:(Opt
它是一种运动模式,这
二维图像的移动相对于
有序的图像可以估计出
光流算法:
它评估了两幅图像的之
Lucas–Kana
这个算法是最常见,最
图像约束方程可以写为 I( x, y, z, t) = I( x + δ x, y + δ y, z + δ z, t + δ t)
I(x, y,z, t) 为在(x,y,z)位
我们假设移动足够的小
-
H.O.T. 指更高阶,在移动足够
- I x V x + I y V y + I z V z = − I t。 写做:
- 这个方程有三个未知量
- 三个未知数但是有多于
- 记作:
-
为了解决这个超定问题
,我们采用最小二乘法 : - or
- 得到:
- 其中的求和是从1到n
-
这也就是说寻找光流可
以通过在四维上图像导 数的分别累加得出。我 们还需要一个权重函数 W(i, j,k), 来突出窗口中心点的坐 标。高斯函数做这项工 作是非常合适的,
这个算法的不足在于它
或者
我们得到:
V x, V y, V z 分别是I(x,y,z
所以
补充:opencv里