光流相关总结

基于图像亮度恒定假设,
图像亮度: I ( x ⃗ , t ) I(\vec x, t) I(x ,t), 其中 x ⃗ = [ x , y ] \vec x=[x,y] x =[x,y],那么亮度恒定假设:
I ( x ⃗ , t ) = I ( x ⃗ + δ x ⃗ , t + δ t ) ( 1 ) I(\vec x,t)=I(\vec x +\delta \vec x, t + \delta t) (1) I(x ,t)=I(x +δx ,t+δt)(1)
对上式右边做taylor展开有:
在这里插入图片描述那么公式1转换为:
在这里插入图片描述那么接下来的问题就是如何求解这个偏微分方程。

  • Lucas-Kanade
    假设局部光流恒定。opencv实现:cv2.calcOpticalFlowPyrLK

  • Farneback
    基于图像梯度恒定假设。opencv实现:cv2.calcOpticalFlowFarneback

  • hor-schunck
    基于亮度恒定假设,且光流平滑(全局方法)

公式推导
OpenCV光流示例
数据集代码汇总
源码实现

你可能感兴趣的:(视觉算法,opencv,计算机视觉,python)