光流法

资 源 简 介

光流法

详 情 说 明

光流法是计算机视觉中用于估计相邻图像帧间像素运动的重要技术。该方法通过分析视频序列中像素强度的变化模式，计算出物体在二维图像平面上的运动矢量场。

### 核心原理 光流基于两个基本假设： 亮度恒常：同一物体点在连续帧中的像素强度保持不变 小运动：相邻帧间的位移量足够小

通过建立光流方程，将运动估计问题转化为数学优化问题。由于单个方程存在孔径问题，实际算法需要附加约束条件来求解。

### 典型算法分类 稀疏光流（如Lucas-Kanade） 仅计算关键特征点的运动 通过局部窗口建立线性方程组 计算效率高，适用于实时系统

稠密光流（如Farneback/Horn-Schunck） 为每个像素计算运动向量 引入全局平滑性约束 计算量大但结果更完整

### 应用场景 视频稳定：消除摄像机抖动 动作识别：分析人体运动模式 自动驾驶：估计车辆相对运动 医学影像：追踪器官微小位移

现代深度学习方法（如FlowNet）已开始替代传统算法，但经典光流法仍因其可解释性和无需训练的优势在特定场景中使用。