描述： 这是一个仿射 Lucas Kanade 模板跟踪器，它在电影帧之间执行模板跟踪。 例如，跟踪汽车、移动冠状动脉或测量相机旋转。 编写 Matlab 代码以显示与文献中相同的步骤，未针对速度进行优化。 但还包括用于快速模板跟踪的 c 代码中的逆 Lucas Kanada 算法，该算法还包含像素加权以提高鲁棒性。 文学： S. 贝克等人。 “Lucas-Kanade 20 年：一个统一的框架” D. Schreiber，“具有漂移校正的稳健模板跟踪” 演示： 试试 TTdemo.m，看截图！ 提示： 您可以轻松地将模板跟踪 TTdemo 调整为您自己的应用程序，例如： - 使用下一个电影帧中发现的新 ROI 中的图像数据更新模板。 - 将下一个电影帧中的 ROI 也用作模板。 - 根据电影帧之间仿射参数的差异计算速度。 速度可用于检测跟踪是否失败，或平滑跟踪，或预测下一个模

介绍通过视频实时采集图像和行为识别来实现舌控鼠标系统。首先利用Adaboost和Lucas-Kanade算法实现实时人脸的识别与跟踪，然后提出了脸部器官定位的算法。通过舌头的行为识别来控制鼠标系统。实验表明该系统能较好完成鼠标操作基本功能，具备实时性和稳定性。

Matlab rms函数代码立体配对项目 一个Matlab项目，实现了具有自适应窗口形状的Kanade立体匹配算法。 文件索引： Benchmark1.m-关于9种以上窗口形状的初始工作 Benchmark3.m-我们算法的主要实现。 它使用以下功能： 不确定度.m：在给定窗口内计算不确定度估计值的函数。 crementDisp.m：一个函数，用于在我们扩展窗口之后计算视差增量。 initialDisparity.m：将基准1的结果重构为一个函数，该函数会生成视差图的初始估计 originalLab.m-包含运行算法的代码，该算法通过简单地改变所有差异来计算SSD。 这段代码还会生成我们的RMS与窗口大小图 NewWindow.m-一个包装类，用于提供有关我们在其上进行计算的窗口的信息 StereoImage.m-另一个包装类，包含一组立体图像的各个方面 运行：要查看我们的Kanade和Okutomi算法最终实现的结果，请运行Benchmark3。 立体声图像输入可以更改为任何图像。

基于人群密度估计和Lucas-Kanade光流的行人计数

使用金字塔分解和迭代细化，计算OF。 包括一个演示和一篇彻底解释该方法的论文。

使用 Lucas-Kanade 方法的光流示例和演示。 用于确定视频图像中区域之间的相对运动。

【图像配准】基于Horn-Schunck和Lucas-Kanade等光流场实现图像配准matlab源码含GUI界面.md

lk光流法

光流运动中经典的LucasKanade的matlab算法-Lucas_Kanade.m 光流运动中经典的Lucas_Kanade的matlab算法，适合视频中的目标跟踪运用

该文件包含带有金字塔和迭代的 Lucas-Kanade Tracker，以提高性能。 有一个图像序列的包装器，以及一个使用 Shi-Tomasi 方法的角点检测函数。