圖形跟蹤與卡爾曼濾波(存儲版)
【正文】 形狀是依賴于應(yīng)用程序，但很明確的是這個函數(shù)是正的而且單調(diào)增加，一個具有這些特點(diǎn)的誤差函數(shù)是平方差函數(shù)。()),。在 AAM中，盡量減少搜索和實(shí)際圖像所提供的合成對象之間的差異是一種優(yōu)化算法，此時二次誤差準(zhǔn)則可作為優(yōu)化準(zhǔn)則 ： 同時， AAM引入了參數(shù)變化之間的線性關(guān)系： 21212i m a g em o d e l )()( ggggEmiimi?? ???? ????gRc ?? ?二、圖象的動態(tài)跟蹤 2. VTWPM（基于參數(shù)模型的有效區(qū)域跟蹤） ? 當(dāng)一個對象通過移動相機(jī)的視野，其圖像可能會發(fā)生顯著變化。39。 e x tt Etststs ???? ),(39。39。 dssxEss e x t ))((])(39。[21E 10 22 ??? ? ????一、圖形的邊緣定位 1. Snakes（主動輪廓模型） ? 然而要想達(dá)到該目標(biāo)，需在給定灰度圖像 I(x, y)的前提下，滿足歐拉方程 以上等式可看作是作用力平衡方程 其中 ， 0)(39。39。39。39。然后，我們用一個算法來跟蹤大的圖像區(qū)域，使需要跟蹤且沒有光照變化的區(qū)域不存在更多的計算幾何和光照。((),(Mf22f11f??????????NtNttxftxfIxftxfIxftxfIttIMI ???? ?二、圖象的動態(tài)跟蹤 2. VTWPM（基于參數(shù)模型的有效區(qū)域跟蹤） ? 以下是該算法在物像跟蹤和人臉識別中的應(yīng)用 三、卡爾曼濾波器 1. Kalman Filter簡介 ? 卡爾曼濾波器早已被認(rèn)定為許多跟蹤和數(shù)據(jù)預(yù)測任務(wù)的最佳解決方案。39。)(39。(39。(39。39。事實(shí)上，我們可以定義過濾器的目標(biāo)是最大限度地減少這種損失的函數(shù)。((. . .)。在此之前，還需要引入一個組合模型參數(shù) c，使得 ，則可以基于該模型的線性性質(zhì)直接獲得 PCA的成績： 其中 cWxx 1s ss Q???cb Q?????????????????????)gg()xx(WbbWb TgTssgsscgg gg Q???二、圖象的
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1