光流法（科学方法）

光流法

科学方法

光流法的主要任务就是计算光流场，即在适当的平滑性约束条件下，根据图像序列的时空梯度估算运动场，通过分析运动场的变化对运动目标和场景进行检测与分割，包括全局光流场和特征点光流场两种方法。最经典的全局光流场法主要有L-K （Lueas&Kanada）法和H-S （Hom&Schunck）法。全局光流场法是通过比较运动目标与背景之间的运动差异对运动目标进行光流分割，但是计算量很大。特征点光流法通过特征匹配计算特征点位置的流速，完成背景和人体的分离，计算量小、快速灵活，但稀疏的光流场很难精确的提取运动目标的形状。光流法对场景的信息不需要提前知道，主要是通过计算场景内的光流场来检测目标。但是，光流场对环境非常敏感，场景内的噪声多光源人体阴影和遮挡都会严重的影响光流场的分布计算，降低计算精度。

简介

光流法(Optical flow or optic flow)是关于视域中的物体运动检测中的概念。用来描述相对于观察者的运动所造成的观测目标、表面或边缘的运动。光流法在样型识别、计算机视觉以及其他影像处理领域中非常有用，可用于运动检测、物件切割、碰撞时间与物体膨胀的计算、运动补偿编码，或者通过物体表面与边缘进行立体的测量等等。

图像处理

图像处理是指对图像进行分析、加工、和处理，使其满足视觉、心理或其他要求的技术。图像处理是信号处理在图像领域上的一个应用。目前大多数的图像均是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。

图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。

传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。

计算机视觉

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。

作为一门科学学科，计算机视觉研究相关的理论和技术，试图创建能够从图像或者多维数据中获取“信息”的人工智能系统。这里所指的信息指香农定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。

作为一个工程学科，计算机视觉寻求基于相关理论与模型来创建计算机视觉系统。这类系统的组成部分包括：

1、过程控制（例如工业机器人和无人驾驶汽车）

2、事件监测（例如图像监测）

3、信息组织（例如图像数据库和图像序列的索引创建）

4、物体与环境建模（例如工业检查，医学图像分析和拓扑建模）

5、交感互动（例如人机互动的输入设备）

计算机视觉同样可以被看作是生物视觉的一个补充。在生物视觉领域中，人类和各种动物的视觉都得到了研究，从而创建了这些视觉系统感知信息过程中所使用的物理模型。另一方面，在计算机视觉中，靠软件和硬件实现的人工智能系统得到了研究与描述。生物视觉与计算机视觉进行的学科间交流为彼此都带来了巨大价值。

计算机视觉包含如下一些分支：画面重建，事件监测，目标跟踪，目标识别，机器学习，索引创建，图像恢复等。

一些求光流的方法

相位相关

块相关(误差绝对值和, 标准化互相关)

梯度约束-相关的对齐

卢卡斯-卡纳德方法（Lucas-Kanade Method）

霍恩·山克方法（Horn Schunck Method）

参考资料

1.光流法·科技工作者之家