1、optical flow （光流） 表示的是相鄰兩幀圖像中每個像素的運動速度和運動方向歌逢。第t幀的時候A點的位置是(x1, y1)巾钉，那么我們在第t+1幀的時候再找到A點（能在下一幀中找到A點，就需要用到計算光流的各種方法秘案，在openCI中可以實現）砰苍，假如它的位置是(x2,y2)，那么我們就可以確定A點的運動了：(ux, vy) = (x2, y2) - (x1,y1)
然后將多個光流圖進行累加阱高，就能表示物體的運動軌跡赚导，我自己是把它理解為像是在慢快門下拍車流形成的圖（當然，我不知道這樣理解是否正確）
2赤惊、關于光流圖是否是灰度圖像吼旧，查閱相關資料后我的結論是，光流圖是灰度圖像未舟，可以將從光流圖轉換成彩色圖進行顯示圈暗。在一篇博客（http://bbs.elecfans.com/jishu_485979_1_1.html）中說掂为，“光流場是圖片中每個像素都有一個x方向和y方向的位移，所以在上面那些光流計算結束后得到的光流flow是個和原來圖像大小相等的雙通道圖像”
（這是Two-Stream Convolutional Networks for Action Recognition in Videos論文中顯示的x,y通道圖像）
而在例如用openCI中的“calcOpticalFlowFarneback來計算稠密光流并且用孟塞爾顏色系統(tǒng)來顯示的結果圖中员串，不同顏色表示不同的運動方向菩掏，深淺就表示運動的快慢了”
3、光流法的大致流程如下（原文地址：http://www.cnblogs.com/easymind223/archive/2012/12/30/2839480.html）：
?①在一幀圖像中選取大量的光流點（具體選取方法可以不同昵济，如fast角點，隨機選野揪，等間隔選...)访忿。
?②計算所有光流點的運動矢量(常用方法有LK光流，HS光流等）斯稳。
?③根據這些矢量和其它一些特征檢測運動目標海铆。
具體如下：1.首先在一幀圖像內隨機均勻選取k個點，并濾除那些鄰域紋理太光滑的點挣惰，因為這些點不利于計算光流 2.計算這些點與上一幀圖像的光流矢量卧斟，如上右圖，此時已經可以看出背景運動的大概方向了 3.接下來的這一步方法因人而異了憎茂。2007年cvpr的一篇文章Detection and segmentation of moving objects in highly dynamic scenes的方法是把這些光流點的（x, y, dx, dy, Y, U, V)7個特征通過meanshift聚類來聚合到一起珍语，最后形成運動目標輪廓。而我的方法很簡單竖幔，只用到了(dx, dy)兩個特征板乙，如左圖，首先把所有光流點投射到直角坐標拳氢，圖中的坐標軸是(dx,dy), 然后通過meanshift找到密度最大的(dx, dy)坐標點,也就是背景矢量最集中的位置（圖中點的亮度越大代表該位置矢量的密度越大）募逞，如紅圈所示,紅圈外面的矢量就可以認為是運動目標了，如右圖所示馋评。
