在實際過程中采用 Lucas-Kanade 光流算法跟蹤運動物體特征點的時候，一個很明顯的特點是LK算法（包括其他光流算法）不能計算“大運動”，加上金子塔的方法稍微好點。
這是什么原因？
查看LK算法的三個假設：
1、亮度恆定；
2、時間連續或者運動是“小運動”；
3、空間一致；同一子圖像的像素點有相同的運動。
1和3都相對好理解，對於2，換句話，可以將運動的變化看成是亮度對時間的導數。如果距離比較大，那么求導之后是物體在這段時間內的平均速度，並不能反映物體在某一時刻的速度。
類比圖像的某點位置的梯度求解，我們只會把該點與其領域內的像素點作差值，不會與較遠的點作差值。
以前和別人討論過LK光流跟蹤和圖像塊匹配跟蹤，兩者的區別及哪種效果更好。
LK光流既用到了圖像的梯度信息（灰度信息），又有時間對灰度的求導，圖像只有匹配灰度（梯度）信息。另外，覺得LK算法的速度明顯要快。但是，就上述討論的結果來看，對於“小運動”圖像塊匹配的速度也會很快。
個人覺得兩種算法的區別主要數學處理的方法不一樣，LK算法實際上求導的方法，圖像塊匹配則是用了歸一化相關，他們們的目的都是一樣的，找的相連兩幀圖像中一樣子區域。
轉自http://hi.baidu.com/lin65505578/item/896b8bd62c109646fb5768d2