OpenCV+Python 稀疏光流估计算法的目标跟踪代码实现

光流估计算法研究

光流这一概念最早由Gibson于1950年提出，其本质是描述空间中运动物体在成像平面上像素点的瞬时移动速度。该方法通过分析图像序列中像素在时间维度上的变化情况，以及相邻帧之间的关联性，来确定前一帧与当前帧之间像素点的对应关系，进而推导出相邻帧间物体的运动信息。通常情况下，光流现象的产生可能源于场景中前景物体自身的位移、摄像设备的移动，或是二者共同作用的结果。

假设条件

（1）亮度恒定，意味着同一位置在时间推移过程中其亮度值保持稳定。这一假设是基础光流法所依赖的前提条件（所有光流法的衍生方法均需满足），用于推导出光流法的基本方程；

（2）运动幅度较小，同样属于必要条件，即时间变化不会导致位置发生显著偏移，这样才可对灰度值关于位置的变化进行求导（换句话说，在运动幅度较小的前提下，才能将前后帧之间单位位置变化所引起的灰度变化近似为灰度对位置的偏导数），这也是光流法中不可忽视的重要假设；

（3）空间一致性，指场景中相邻的点在投影至图像时仍保持邻近关系，并且它们的速度趋于一致。这是Lucas-Kanade光流法独有的假设前提，因为基础光流方程仅提供了一个约束条件，而需要同时求解x和y两个方向上的速度变量。通过假设特征点周围区域具有相似的运动特性，即可建立多个联立方程来求解x、y方向的速度（n表示特征点邻域内的总像素数量，包括该特征点本身）。