圖形跟蹤與卡爾曼濾波-文庫吧在線文庫
【正文】 動態(tài)跟蹤 1. AAM（主動外觀模型） ? 最后，我們對以上模型進(jìn)行優(yōu)化。39。F i n t ss ???? ?? ex tpex t E???)(F一、圖形的邊緣定位 1. Snakes（主動輪廓模型） ? 在此，我們引入時間變量 t，使 χ作為 t的函數(shù)，并將對其的偏導(dǎo)與左邊建立等式 并將 替換為更常用的 ，從而得到 最后，通過對參數(shù)的不斷修正，以獲得最優(yōu)解。)(39。傳統(tǒng)的Snakes模型，是一條滿足 χ(s) = [x(s), y(s)] （其中 s∈ [0, 1]）的曲線通過在圖像空間域內(nèi)的移動使得能量函數(shù) 取得最小值，從而來確定該圖像邊緣界線。39。39。),(39。),( tststst )],(),([),( yxvyxuyx ??),(),( yxEyxf iext??一、圖形的邊緣定位 2. GVF（梯度矢量流） ? 接下來就是求能量函數(shù) 的最小值。最后，我們從穩(wěn)健統(tǒng)計(jì)技術(shù)中增加這些方法，進(jìn)而修正閉塞區(qū)域?qū)ο蟮慕y(tǒng)計(jì)離群值。其在視覺運(yùn)動分析方面的應(yīng)用已經(jīng)多次被記錄在案。39。()39。????????????????????????????????????RHPHHRRHPRHHPIHPRHIRHPIRHHPRHHPRHIPIRHHPRHPPPRHHPRRHPPPRHHPHPKTkTTkTkkTTkTkTkTkTkTkkkTkTkkkTkTkk三、卡爾曼濾波器 3. 替代卡爾曼方程 參考文獻(xiàn) 1. Chenyang Xu, and Jerry L. Prince, “Snakes, Shapes, and Gradient Vector Flow,” IEEE Trans. on Imag. Proc., Vol. 7, No. 3, pp. 359369, Mar. 1998. 2. N. A. Thacker, and A. J. Lacey, “Tutorial: The Kalman Filter,” Tina Memo: 19951998, Internal, Dec. 1st, 1998. 3. Mikkel B. Stegmann, “Object Tracking
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1