光流跟踪算法及OpenCV源代码探索

本文主要记录看光流跟踪算法的感悟，以及OpenCV中对应的实现源码的整理

原文：Pyramidal Implementation of theLucas Kanade Feature Tracker Description of the algorithm 1

光流算法相关概念

1. 特征跟踪的目的：对于第一张图像I上的位置u，在第二张图像J上找到一个位置v，使得I(u)和J(v)相近
2. 点x处的光流：在x点处的图像速度
3. 图像速度d是一个向量，使得残差ε最小。其中，相似性方程是在邻域尺寸(2ωx+1)x(2ωy+1)内计算的，这个邻域又叫做integration window
   
4. 对于特征跟踪器，有两个关键因素：
   1. 正确率：与跟踪相关联的局部亚像素准确性。因此，为了避免将细节部分平滑掉，所以窗口尺寸应该小一些。当图像中的两个块具有不同的速度导致有遮挡时，这很重要
   2. 强健性：跟踪过程中对于光照、图像运动等因素的敏感性。为了处理大的运动，主观上就觉得应该是选择一个大一点的integration window
   3. 因此，存在正确率和强健性两者之间的平衡