專案地址：http://vis-www.cs.umass.edu/motionSegmentation/

方法

如果相機相對背景的運動只有平移（沒有旋轉），背景光流的有很強的約束，由相機平移、影象座標和焦距決定的畫素運動方向​​​和場景深度無關。

對於平移旋轉混合的情況，從原始光流中減去估計的旋轉成分，得到一個平移成分的估計。

用於運動分割的概率模型

給定幀的運動分割，共有個運動目標，光流，分割幀需要幾個先驗：

• 對於每個特定的運動模型，每個畫素屬於該模型的先驗概率
• 對於前一幀的個運動目標，他們在相鄰幀之間的3D運動方向的估計
• 對於每一個畫素位置，在每個以向量大小為
  為條件的運動模型的先驗下，該畫素位置的一個運動方向角的概率
• 一個新運動的先驗概率和角可能性分佈

有這些先驗和概率，使用貝葉斯原理去得到每個畫素位置中每個運動的後驗概率：

第二個等號時因為的概率和無關（不理解）

Bruss and Horn's 運動估計

1983年的工作……沒心思去看，大概的意思是估計相機相對背景的運動方向。

把Bruss and Horn 方法用於通過背景先驗選擇的畫素：

光流可以被分解為，是在運動模型推導的方向上的分量，則是與正交的分量，Bruss and Horn方法就是尋找一個運動模型使得的和最小，只有平移的優化如下：

對於只有平移的情況，Bruss and Horn方法給出了這優化問題的一個近似形式的解。

文章使用了自己的方法估計旋轉和平移，使用的是一個巢狀的優化：

給定觀測光流的的旋轉成分，由於旋轉成分和場景幾何無關，可以從觀測光流中減去旋轉成分：

初始化：分割第一幀

初始化的目標有

• 估計背景平移和旋轉引數
• 找到符合背景運動的畫素點集合
• 為額外的運動模型分配不一致的連續畫素組，即剩下的畫素點的分割

Bruss and Horn 方法並非用於處理有多個不同運動的場景，並且太大或者高速移動的前景目標會導致一個很差的運動估計。如下圖所示

使用改進版本的RANSAC處理上述問題，魯棒地估計背景運動。如下圖所示

文章中使用了10個隨機的SLIC超畫素去估計相機運動。

通過修改RANSAC演算法使得演算法選擇從影象角落選擇3/10的超畫素，因為由於對相機旋轉的錯誤估計，影象角落傾向於錯誤結果。