能否使用直方图（频率分布）筛选包含运动信息的光流帧？

直方图方案可行性 #

可以实现，但不要直接使用原始光流帧的像素值直方图，而是针对光流的幅值特征做直方图统计：
静态帧的光流本质是计算噪声，幅值集中在接近0的极小区间，直方图只会在低幅值段出现单一峰值；存在运动对象的帧，光流幅值会出现明显的高幅值分布段，直方图形态差异极大。
你可以通过设定规则判断：如统计光流幅值直方图中，幅值大于预设噪声阈值（可根据你的光流计算精度调整，通常取3_{8）的像素占比超过设定阈值（通常取1%}3%）即可判定为运动帧，该方案可以解决你之前遇到的静态帧、运动帧像素值高低不稳定的问题。

其他更高效的可行方案 #

• 光流非零幅值占比直接统计：比直方图统计计算量更低，直接统计每帧光流中幅值大于噪声阈值的像素占总像素的比例即可，OpenCV实现代码示例：

import cv2
import numpy as np

# flow为cv2.calcOpticalFlowFarneback输出的光流矩阵
mag, ang = cv2.cartToPolar(flow[...,0], flow[...,1])
# 噪声阈值，根据实际场景调整
mag_thresh = 5
# 运动像素占比阈值
ratio_thresh = 0.02
motion_ratio = np.sum(mag > mag_thresh) / mag.size
is_motion_frame = motion_ratio > ratio_thresh

• 帧差与光流联合校验：针对存在光照突变的场景，先计算相邻两帧的灰度帧差，仅对帧差大于阈值的区域校验对应位置的光流幅值，可大幅降低光照变化带来的误判。
• 光流角度一致性校验：针对单一运动对象的场景，可额外统计光流角度的分布集中度，静态帧的光流角度为随机噪声，无明显集中峰值，运动帧的运动方向会呈现集中分布，可进一步过滤误判。

内容的提问来源于stack exchange，提问作者Tariq Hussain