---
title: "運動估計（Motion Estimation）"
slug: motion-estimation
language: zh-TW
source: https://aiterms.tw/terms/motion-estimation
updated_at: 2026-06-23
tags: [電腦視覺, 視頻分析, 運動估計, 3D視覺, SLAM]
ipas_term: false
---

# 運動估計（Motion Estimation）

從視頻序列中估計場景或相機的運動，包括物體運動、相機運動（ego-motion）及場景流等。

## 完整說明

運動估計（Motion Estimation）是視頻分析的重要任務，旨在從連續幀中推斷出物體、相機或整體場景的運動參數。運動估計的形式多樣，包括光流、相機姿態估計、物體中心速度預測、以及場景流（3D 運動場）等。運動估計應用於視頻壓縮、物體追蹤、自主導航、動作識別等領域，是視頻理解的基礎。

## 常見問題

### 光流和運動估計有什麼區別？

光流是運動估計的一個層面，但不是全部。光流是逐像素的表觀運動，告訴你每個像素在哪裡移動；運動估計是更廣義的概念，包括物體級別的運動（速度、方向）、相機運動（位姿變化）、乃至整個場景的 3D 運動（場景流）。光流常作為計算運動估計的中間步驟，但兩者概念層級不同。

### 我需要追蹤一個移動的物體，應該怎樣用運動估計？

通常採用三步流程：首先，用目標檢測器（如 YOLOv8）在每幀獲得物體邊界框；其次，用光流或卡爾曼濾波預測下一幀的物體位置；最後，新幀中找距離預測位置最近的檢測結果進行關聯。這個過程稱為多目標追蹤（MOT）。如果需要更精細的物體運動估計（如 3D 位置、速度），可在邊界框內計算光流統計量，或使用 6-DOF 物體位姿估計模型。

### 場景流估計為什麼比光流估計難？

場景流需要同時估計深度和 3D 運動，信息維度從光流的 2D（u, v）增加到場景流的 5D（u, v, Z, Vx, Vy，或直接 3D 速度）。監督信號也更難獲取：光流有公開資料集（Sintel、KITTI），場景流的標註成本更高，導致訓練資料稀缺；此外，3D 運動恢復涉及深度模糊性（depth ambiguity），需更複雜的幾何約束。因此，場景流通常採用自監督或無監督學習來緩解標註成本。

---

來源：https://aiterms.tw/terms/motion-estimation
快查頁：https://aiterms.tw/terms/motion-estimation
最後更新：2026/06/23
深度解說：https://aiterms.tw/learning/what-is-motion-estimation