光流（optical flow）是運動物體運動帶來的畫素變化，表示 畫素空間的運動速度，直觀也可以理解為光的流動。一般而言，光流是由於場景中前景目標本身的移動、相機的運動，或者兩者的共同運動所產生的。
光流分為稀疏光流和稠密光流。
• 稀疏光流
所謂稀疏光流，是指 金字塔lucas-kanade 方法（簡稱 lk 方法），演算法分為兩步：
1. 通過 goodfeaturestotrack() 來尋找角點，也就是稀疏的概念；2. 針對獲得的兩組corner角點，通過 calcopticalflowpyrlk() 來 進行跟蹤 match。這一步是lk光流的關鍵，裡面用到了複雜的多尺度特徵（金字塔），此處不再展開，大家可以看opencv原始碼。相對於稠密光流，稀疏光流只需要對關鍵點進行計算，計算量較小，經常被用於影象配準和目標跟蹤。
下圖是特徵點檢測goodfeaturestotrack 和光流計算calcopticalflowpyrlk 效果（**會在最後給出）：
• 稠密光流
稠密光流需要針對整副圖計算畫素偏移量（ps：確實夠稠密的），可以對整幅圖進行畫素級別的配準，其效果要優於稀疏光流，在某些要求比較高的場合下有應用，可以參考 facebook 開源的 surround360 vr全景相機。
稠密光流 的缺點在於計算量較大（機器好，任性的朋友可以忽略）。
opencv的稠密光流計算採用gunnar farnebak演算法，對應函式為calcopticalflowfarneback()，效果：
ok，主要的兩種光流法都講過了，如果不需要深入研究的話（偏工程的童鞋就喜歡這個，哈哈：）），應該夠了，看**吧：
#include #include "opencv2/video/tracking.hpp"
#include "opencv2/highgui/highgui.hpp"
#pragma comment(lib,"opencv_core2410.lib")
#pragma comment(lib,"opencv_highgui2410.lib")
#pragma comment(lib,"opencv_video2410d.lib")
#pragma comment(lib,"opencv_imgproc2410.lib")
#pragma comment(lib,"opencv_features2d2410.lib")
#define max_corners 1000
using namespace std;
using namespace cv;
int main(int argc, char* argv)
} imshow("farneback",imgs[0]);
cvwaitkey(1);
system("pause");
return 0;
}
機器學習實踐系列之15 OpenCV之MSER
最大穩定極值區域mser maximally stable extremal regions 是一種類似分水嶺的演算法，目前主要用於影象分割和車牌區域檢測。2012年由matas等人提出。mser基本原理是對一幅灰度影象 灰度值為0 255 取閾值進行二值化處理，閾值從0到255依次遞增。在得到的所...
機器學習實踐系列之8 人眼定位
一.人眼檢測 opencv自帶的人眼檢測，及教程都已比較普及，這裡不再囉嗦，訓練模板直接 load已經訓練好的檔案 haarcascade eye tree eyeglasses.xml，直接看 linolzhang 2014.10 基於opencv的人眼檢測 cascade include ope...
機器學習系列6 正規方程
求乙個函式的引數，例如下面這個方程，我們一般都會用梯度下降法去求。還會不會有其他方法求引數呢？答案是有的，可以用正規方程 normal equation 去求引數。那麼問題來了，什麼是正規方程呢？這個方程長什麼樣子，就讓我們來見識一下。其中 x 是乙個矩陣，這個矩陣的每一行都是一組特徵值，y 是資料...