算法步骤如下：
（1）令i=1，获得第i帧图像I(x,i)；
（2）获得第i+1帧图像I(x,i+1)；
（3）对图像去噪，得到去燥后图像I '(x, i)和I '(x, i+1)；
（4）利用I '(x, i)和I '(x, i+1)计算得到光流场；
（5）计算得到局部动能场K(i)；
（6）利用边缘检测算法(如基于小波的方法)局部动能场并分割图像得到不同的运动单元也理解为一个运动单元)；
（7）由于目标一般较背景小，故提取出体积较运动单元作为检测目标；
（8）计算其质心作为目标位置；
（9）置i=i+1，重复（2）～（8），直至检测结束。
基于光流场分析的运动目标检测方法，不仅包含了被观察物体的运动信息，而且携带了三维结构的丰富信息，因此它不仅可以用于运动目标检测，还可以直接应用于运动目标跟踪，能够很精确的计算出运动目标的速度，同时在摄像机存在运动的情况下也能够检测出运动目标。而在实际的应用中，由于存在多光源、遮挡性、噪声和透明性等多方面的原因，光流场基本方程中的灰度守恒这个假设条件是得不到满足的，因此不能求解出正确的光流场，同时由于其采用的是迭代的求解计算方法，故需要的计算时间比较长，从而无法满足实时的要求，并且该方法受噪声的影响较大，因而该方法多适用于目标运动速度不大，图像噪声比较小的情况。
cvCalcOpticalFlowPyrLK 函数在使用时，首先要确定特征点，也就是目标旧的位置。
本程序通过使用cvGoodFeaturesToTrack 函数选择角点作为特征点。
本程序只是一个简单的运动检测，在具体应用过程中，可以根据自己的需要修正
