---
id: CV-LUCAS-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [computer-vision, optical-flow, lucas-kanade, image-processing, feature-tracking]
last_reinforced: 2026-04-26
---

# Lucas-Kanade Method (루카스-카나데 방법)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "주변 픽셀들은 함께 움직인다는 가정하에, 찰나의 변화 속에서 물체의 흐름(Flow)을 포착하라" — 인접한 픽셀들이 유사한 움직임을 가진다는 국소적 일관성(Local Coherence)을 가정한 후, 최소제곱법을 통해 두 프레임 사이의 픽셀 이동량을 추정하는 옵티컬 플로우(Optical Flow) 알고리즘.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Spatial Consistency and Gradient Descent" — 영상의 밝기가 일정하게 유지된다고 가정(Brightness Constancy)하고, 이미지의 기울기(Gradient) 정보를 활용하여 오차를 최소화하는 방향으로 물체의 이동 궤적을 추적하는 패턴.
- **핵심 가정:**
    - **Brightness Constancy:** 물체의 밝기는 움직여도 변하지 않음.
    - **Temporal Persistence:** 프레임 간 이동량이 매우 작음.
    - **Spatial Coherence:** 특정 픽셀의 이웃들은 같은 방향으로 이동함.
- **의의:** 영상 내 특징점 추적, 비디오 안정화, 자율주행차의 장애물 감지 등 실시간 컴퓨터 비전 시스템의 움직임 분석을 위한 가장 기초적이고 효율적인 도구.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 이동량이 큰 경우에는 오차가 심하다는 한계가 있으나, 피라미드 구조(Image Pyramid)를 통해 이미지를 축소하며 단계적으로 추적하는 방식으로 현대적 한계를 극복함.
- **정책 변화:** Skybound 프로젝트의 적 기체 추적 및 VFX 효과 구현 시, 프레임 간의 자연스러운 움직임 보간을 위해 루카스-카나데 기반의 옵티컬 플로우 원리를 활용함.

## 🔗 지식 연결 (Graph)
- [[Least-Squares-Methods]], Pattern-Recognition-Foundations, [[Kalman-Filter-and-State-Tracking]], [[Robotics-Foundations]]
- **Raw Source:** 10_Wiki/Topics/AI/Lucas-Kanade-Method.md