運(yùn)動跟蹤角點(diǎn)檢測ppt課件(完整版)
【正文】 ，是Trajkovic 等于 1998年提出的一種快速算法。 ? Limitations ? Moravec算法的主要缺點(diǎn)是： ? Moravec算法只檢測了窗口函數(shù)在 8個基本方向上移動的強(qiáng)度變化，不能準(zhǔn)確提取出全部角點(diǎn)； Moravec算子沒有對圖像進(jìn)行降噪處理，所以其響應(yīng)對噪聲敏感； ? Moravec算子對邊緣響應(yīng)很敏感． 角點(diǎn)檢測 ? 基于模板的方法 ? 主要考慮像素領(lǐng)域點(diǎn)的灰度變化，即圖像亮度的變化，將與鄰點(diǎn)亮度對比足夠大的點(diǎn)定義為角點(diǎn) ? Moravec角點(diǎn)檢測 ? SUSAN角點(diǎn)檢測算法 ? MIC角點(diǎn)檢測算法 ? Harris角點(diǎn)檢測算法 2 SUSAN角點(diǎn)檢測 Smith等提出了一種全新而且直觀的新方法 —— 低層次 圖 像 處 理 小 核 值 相 似 區(qū) 方 法 ( 即 small univalue segment assimilating nucleus， 簡稱 SUSAN 算法 )。 跟蹤問題的解決思路 * ? 自底向上 (Bottomup)的處理方法 ? 又稱為數(shù)據(jù)驅(qū)動 (Datedriven)的方法，不依賴于先驗知識 ? 自頂向下 (Topdown)的處理方法 ? 又稱為模型驅(qū)動 (Modeldriven)的方法，依賴于所構(gòu)建的模型或先驗知識 * Comanniciu D, Ramesh V, Meer P. Kernelbased object tracking. IEEE Transactions on Pattern Analysis and Machine Intelligence ,2022, 25(5): 564~577 跟蹤問題的解決思路 基于特征匹配的跟蹤 ?點(diǎn)跟蹤 ?模板匹配 (Template Match) ?均值漂移 (Mean Shift) ?貝葉斯跟蹤 卡爾曼濾波器 (Kalman Filter) 粒子濾波器 (Particle Filter) 隱馬爾可夫模型 動態(tài)貝葉斯模型 2自底向上 (Bottomup)的處理方法 ? 質(zhì)心或一組特征點(diǎn)集 ? 運(yùn)動輪廓的角點(diǎn) ? 將運(yùn)動目標(biāo)表示成點(diǎn)比較適合跟蹤那些在圖像上所占區(qū)域比較小的目標(biāo) ? 做簡單剛體運(yùn)動的目標(biāo)（特征點(diǎn)集） 角點(diǎn)檢測 ? 角點(diǎn)是二維圖像亮度變化劇烈的點(diǎn)或圖像邊緣曲線上曲率極大
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1