随着计算机软、硬件水平的不断发展，利用计算机自动获取图像或目标的三维信息技术已在社会生产、生活的各个方面显现出越来越重要的地位和作用。基于计算机视觉的三维信息获取技术也称为视觉运动分析，该技术主要研究从图像序列中提取场景中目标物体结构、位置和运动信息的理论与方法，属于计算机中期视觉范畴。

视觉运动分析主要分为两种方法：基于特征（Feature）的方法和基于光流场（Optical Flow Field）的方法。基于特征的方法也称为离散处理方法，主要思想是对相邻时刻两帧或多帧图像序列进行诸如角点、直线或曲线等特征的抽取，建立特征对应关系，并跟据这些对应特征计算三维物体的结构和运动；基于光流场的方法也称为连续处理方法。

当人的眼睛观察运动物体时，物体在人眼的视网膜上形成一系列连续变化的图像信息，这些连续变化的图像信息不断“流过”视网膜（即图像平面），好像一种光的“流”，故称之为光流。光流表达了图像的变化，由于它包含了场景中目标的运动信息，因此可被观察者用来确定目标的运动情况。从光流的定义可以看出，光流有如下三个要素：一是运动（即速度场），这是光流形成的必要条件；二是带光学特性的部位（如有灰度的像素点），它能携带信息；三是有成像投影（即从场景到图像平面），因而能被观察到。

光流计算是研究利用图像序列中像素强度信息的时域变化和相关性来确定各像素位置的“运动”，即研究图像灰度在时间上的变化与景象中物体结构及其运动的关系。光流计算研究在计算机视觉和图像处理等领域有非常重要的地位，涉及图像处理、人工智能和模式识别等学科，在航天、军事、工业、商业和医学等领域有着广泛的应用，如执行各种特殊任务的机器人视觉系统、基于运动分析的空间卫星跟踪系统、地空导弹火控系统、航天领域的自动飞行器着陆与智能控制系统、资源勘探、高清电视会议的动态图像传输、气象云图分析和预报、军事侦查中航空或卫星照片的自动分析系统、车辆无人驾驶、医学上器官异常的分析和诊断系统等。光流计算在工程应用上的巨大潜力及在人工智能和思维科学研究中的重要地位，使其成为当今计算机视觉研究领域中的热点之一，许多国家特别是发达国家都很注重这方面的研究。虽然光流场在很多方面得到了应用，但缺乏有力的理论支持，特别是关于光流场计算的理论问题还存在着很多缺陷，也面临着巨大的挑战，主要表现在光流场计算的不适定问题、算法的鲁棒性问题及遮挡边界处的光流计算问题，因此理论研究具有重大的科学意义。若能尽快、切实地解决理论缺陷问题，应用领域将日益扩大，有利于光流场计算技术的发展。 HGhKd4C0W4QnmU7Q0gD7fdI7GwuHlyhOql0P6OefdpyXLcSxpk4RjxUNDgvXvcoq