基于改进ORB 特征点的LK 光流算法

胡山山陈熙源卢飞平

(1.东南大学仪器科学与工程学院，江苏 南京210096；2.微惯性仪表与先进导航技术教育部重点实验室，江苏 南京210096；3.上海电控研究所，上海200092)

光流表示的是三维空间运动物体在其对应的成像平面上的瞬时速度，是一种瞬时速度映射关系。而光流法正是利用光流的这一特性，通过图像序列相邻帧中同一像素在时间域上的位置变化，从而计算图像序列中包含的空间信息和运动信息[1]。 它被广泛用于目标跟踪、视觉导航和图像分割等领域。目前常用的光流算法如Horn-Schunk 算法，加入全局平滑假设，估计全局光流，需要计算图像中每一个像素点的光流，实时性较差。 基于神经网络智能算法的光流法，则需要大量的训练样本，在某些环境下无法满足需求。 基于特征点的Lucas-Kanade 算法，对特征点要求高，需要特征点具有较好的跟踪性，否则后续可能会出现跟踪失败的问题[2-4]。

南京理工大学李成美等人提出将Shi-Tomasi 角点检测和金字塔LK 光流结合，只计算强角点处的光流场，有效的检测出目标，在运动背景下对目标能够稳定跟踪[5]。 华东师范大学的Bai Jing 和上海交通大学的Huang Lili 为解决视觉跟踪中丢失跟踪目标和跟随错误目标问题，提出了一种改进的高斯LK光流算法，提高了跟踪精度和算法鲁棒性，但是在较暗场景下表示不佳[6]。 江苏科技大学的张忠义在LK 光流算法中引入压缩感知理论，有效地提高了LK 光流算法对环境的鲁棒性，但是当图像序列中物体存在尺度变化时效果较差[7]。……