ScholarGate
Asistent
Machine learningMotion estimation

Lucas-Kanade Optical Flow Estimation

Optički tok odgovara na pitanje: 'Kako su se pikseli kretali između dva uzastopna frejma?' Metoda Lukasa-Kanadea pretpostavlja da intenzitet piksela ostaje konstantan dok se on kreće (pretpostavka o konstantnosti osvetljenosti), tako da ako se piksel na poziciji (x, y) sa intenzitetom I(x,y,t) pomeri na poziciju (x+u, y+v) u sledećem frejmu, onda I(x+u, y+v, t+1) ≈ I(x,y,t). Analizirajući lokalne promene intenziteta korišćenjem Tejlorovog razvoja i rešavajući za kretanje (u, v), metoda procenjuje polje optičkog toka. Lukas-Kanade je 'redak' jer procenjuje kretanje za Harisove uglove i druge interesantne tačke, a ne za svaki piksel.

Otvorite u MethodMindUskoroVideoUskoroPreuzmi slajdove

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Mapa metoda

Okruženje srodnih metoda — izaberite čvor da biste istraživali.

Izvori

  1. 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
  2. Bouguet, J. Y. (2001). Pyramidal implementation of the Lucas Kanade feature tracker. OpenCV Documentation. link

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Lucas-Kanade Optical Flow Estimation. ScholarGate. https://scholargate.app/sr/computer-vision/optical-flow-lucas-kanade

Koja metoda?

Postavite ovu metodu pored njoj najbližih srodnika i čitajte ih uporedo — biblioteka polaže knjige na sto; izbor je na vama.

Uporedi uporedo

Citirana u

ScholarGateLucas-Kanade Optical Flow (Lucas-Kanade Optical Flow Estimation). Preuzeto 2026-06-15 sa https://scholargate.app/sr/computer-vision/optical-flow-lucas-kanade · Skup podataka: https://doi.org/10.5281/zenodo.20539026