KLT算法是一种基于图像特征点进行跟踪的经典算法。它由日本学问家Fukushima于1981年提出，并由Bruce D. Lucas和Takeo Kanade进一步进步而得名。
KLT算法的核心原理：
KLT算法的核心思想是基于图像灰度的连续性虚假设，利用梯度信息来寻找相邻帧之间对应特征点的Zui佳匹配。
- 特征点提取在初始帧中，等方法提取出一组鲁棒的角点。
- 特征点匹配对当前帧中的个个角点，利用光流估摸着或块匹配方法寻找其在相邻帧中的对应点。
- 运动估摸着点对， 利用Zui细小二乘法等方法估摸着特征点之间的运动矢量，进而得到整个场景的运动信息。
KLT算法的优良处：
- 鲁棒性有力KLT算法对噪声和光照变来变去具有较有力的鲁棒性。
- 计算效率高大KLT算法的计算效率较高大，适合实时应用。
- 容易于实现KLT算法的原理轻巧松，容易于实现。
KLT算法的局限性：
- 特征点提取 Harris角点检测等方法兴许无法提取到足够的鲁棒特征点，从而关系到跟踪效果。
- 光照变来变去KLT算法的跟踪效果兴许会受到关系到。
KLT算法的应用：
KLT算法在计算机视觉领域有许许多应用，如：
- 视频跟踪在视频序列中跟踪目标。
- 视频稳稳当当通过跟踪特征点，消除视频中的抖动。
- 图像配准将不一边间采集的图像进行配准。
KLT算法是一种经典的图像跟踪算法，具有鲁棒性有力、计算效率高大等优良处。在计算机视觉领域有着广泛的应用，是学和研究研究计算机视觉的关键基础。
