Pyramidal Implementation of the Lucas Kanade Feature Tracker
本篇文章是opencv中用LK光流算法实现视频跟踪的金字塔实现方法
1.问题描述
设I和J为两张2维灰度图像,I(x) = I(x,y)和J(x) = J(x,y)为这两张图片在点x=[x, y]T的灰度值,x和y是图片上的点x的像素坐标。I一般用来做第一张图片,而J一般用来当做第二章图片。在实际问题中,图片I和J是离散函数(或数组),定义左上角的像素坐标向量为[0 0]T,设nx和ny为这两张图片的宽度和高度。则右下角的像素坐标向量为[nx-1ny-1]T。
假设一个点u= [ux uy]T为第一张图片I上的一个点。特征点追踪的目标是在第二张图片J找到一个点v使得v = u + d = [ux+dxuy+dy]T,就好比I(u)和J(v)是相似的。向量d=[dxdy]T是x点的图片速度,也就是众所周知的x点的光流。由于孔径问题,定义二维临近相似度的概念就是十分必要的了。设wx和wy是两个整数。我们定义图片速率d(x点的光流)是用来最小化差异函数的向量,定义如下:
(1)
由这个定义可以得知,近似函数是通过图片的邻居大小来测量的,这个图片邻居也被称为集成窗口。一般wx和wy的取值为2,3,4,5,6,7个像素。
完整文章如下:点击打开链接
翻译一篇5000字不容易,赚点积分