LK光流算法的三个假设

在实际过程中采用 Lucas-Kanade 光流算法跟踪运动物体特征点的时候，一个很明显的特点是LK算法（包括其他光流算法）不能计算“大运动”，加上金子塔的方法稍微好点。

这是什么原因？

查看LK算法的三个假设：

1、亮度恒定；

2、时间连续或者运动是“小运动”；

3、空间一致；同一子图像的像素点有相同的运动。

1和3都相对好理解，对于2，换句话，可以将运动的变化看成是亮度对时间的导数。如果距离比较大，那么求导之后是物体在这段时间内的平均速度，并不能反映物体在某一时刻的速度。

类比图像的某点位置的梯度求解，我们只会把该点与其领域内的像素点作差值，不会与较远的点作差值。

以前和别人讨论过LK光流跟踪和图像块匹配跟踪，两者的区别及哪种效果更好。

LK光流既用到了图像的梯度信息（灰度信息），又有时间对灰度的求导，图像只有匹配灰度（梯度）信息。另外，觉得LK算法的速度明显要快。但是，就上述讨论的结果来看，对于“小运动”图像块匹配的速度也会很快。

个人觉得两种算法的区别主要数学处理的方法不一样，LK算法实际上求导的方法，图像块匹配则是用了归一化相关，他们们的目的都是一样的，找的相连两帧图像中一样子区域。