작은 고유값을 보는 이유
국소 밝기 기울기들의 외적을 가중 합한 행렬을 생각하자. 두 고유값 중 하나가 작으면 밝기 패턴이 거의 바뀌지 않는 이동 방향이 남을 수 있다. 작은 고유값까지 충분히 큰 위치를 고르면 한 방향의 경계보다 두 방향의 변화를 가진 후보를 선택할 수 있다. 해리스의 행렬식과 대각합을 조합한 점수와는 판정식이 다르다.
기울기 총량만으로는 부족하다
후보 A의 행렬이 대각 원소 9,0.1을 갖고 후보 B가 2,2를 갖는다고 하자. 점수는 A가 0.1, B가 2다. A의 대각합 9.1이 B의 4보다 크지만, 가장 작은 고유값을 기준으로 하면 B가 더 높은 점수를 얻는다. 한 방향의 큰 변화가 다른 방향의 부족을 자동으로 메워 주지 않는 예제다.
점수와 공간적 선택
높은 점수만 정렬하면 같은 영역에 점들이 몰릴 수 있어 최소 거리와 최대 개수 같은 조건을 함께 사용할 수 있다. 최고 점수의 일정 비율을 임계값으로 정하는 구성에서는 비율 0.2, 최고점 10일 때 기준이 2가 된다. 점수 1은 제외하고 3과 10은 남길 수 있지만, 거리 조건에 따라 최종 선택은 다시 달라질 수 있다. 이 비율을 정답 확률로 해석해서는 안 된다.
추적 성능과 구분
코너로 검출됐다는 사실만으로 다음 영상에서 같은 위치를 안정적으로 찾는다고 보장되지는 않는다. 큰 이동, 가림과 조명 변화가 있으면 대응이 실패할 수 있다. 국소 창, 미분과 평활화 설정이 점수에 영향을 준다. 초기점 선택과 이후의 움직임 추정은 구분하고, 실제 추적에서는 대응 오차와 신뢰 상태를 함께 확인한다.