Lucas-Kanade Optical Flow Estimation
Aliran optik menjawab persoalan: 'Bagaimanakah piksel bergerak antara dua bingkai berturutan?' Kaedah Lucas-Kanade menganggap bahawa keamatan piksel kekal malar apabila ia bergerak (andaian ketekalan kecerahan), jadi jika piksel pada kedudukan (x, y) dengan keamatan I(x,y,t) bergerak ke kedudukan (x+u, y+v) dalam bingkai seterusnya, maka I(x+u, y+v, t+1) ≈ I(x,y,t). Dengan menganalisis perubahan keamatan setempat menggunakan pengembangan Taylor dan menyelesaikan untuk gerakan (u, v), kaedah ini menganggarkan medan aliran optik. Lucas-Kanade adalah 'jarang' kerana ia menganggarkan gerakan untuk sudut Harris dan titik minat lain berbanding setiap piksel.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- Lucas, B. D., & Kanade, T. (1981). An iterative image registration technique with an application to stereo vision. Proceedings of the Seventh International Joint Conference on Artificial Intelligence (IJCAI), 674–679. link ↗
- Bouguet, J. Y. (2001). Pyramidal implementation of the Lucas Kanade feature tracker. OpenCV Documentation. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Lucas-Kanade Optical Flow Estimation. ScholarGate. https://scholargate.app/ms/computer-vision/optical-flow-lucas-kanade
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Pengesanan BlobPenglihatan Komputer↔ banding
- Pengesanan Sudut HarrisPenglihatan Komputer↔ banding
- Teori Ruang-SkalaPenglihatan Komputer↔ banding
- Pengesanan Ciri SIFTPenglihatan Komputer↔ banding
- Pencocokan TemplatPenglihatan Komputer↔ banding
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →