目標跟蹤綜述-展示頁
2025-03-15 07:33本頁面
【正文】 hift 算法。在 Mean Shift 跟蹤算法中，相似度函數(shù)用于刻畫目標模板和候選區(qū)域所對應的兩個核函數(shù)直方圖的相似性，采用的是 Bhattacharyya 系數(shù)。采用彩色直方圖作為匹配特征。 核方法 ? 算法思想：對相似度概率密度函數(shù)或者后 驗概率密度函數(shù)采用直接的連續(xù)估計 。將二維速度場與灰度相聯(lián)系，引入光流約束方程，得到光流計算的基本算法。光流是空間運動物體在成像面上的像素運動的瞬時速度，光流矢量是圖像平面坐標點上的灰度瞬時變化率。 基于運動檢測的目標跟蹤算法 ? 基本思想：通過檢測序列圖像中 目標和背景的不同運動來發(fā)現(xiàn)目標存在的區(qū)域， 實現(xiàn)跟蹤 。 HMMs 和 DBNs 將運動目標的內(nèi)部狀態(tài)和觀測量用狀態(tài)變量（向量）表示， DBNs 使用狀態(tài)隨機變量（向量）集，并在它們之間建立概率關(guān)聯(lián)。由于運動變化，目標的形變、非剛體、縮放等問題，定義一個可靠的分布函數(shù)是非常困難的，所以在 PF 中存在例子退化問題，于是引進了重采樣技術(shù)。若測量誤差較大，則算法在收斂精度、收斂時間及穩(wěn)定性等方面表現(xiàn)得很不理想。但是只適用于濾波誤差和預測誤差很小的情況，否則，濾波初期估計協(xié)方差下降太快會導致濾波不穩(wěn)定甚至發(fā)散。 ? 局限性：但是，常規(guī)的卡爾曼濾波算法要求系統(tǒng)是線性高斯型的，對于非線性、非高斯環(huán)境而言，不能直接用來解決目標的估計問題。 貝葉斯跟蹤 ? 卡爾曼濾波 ? 粒子濾波 ? 隱馬爾科夫模型 ? 動態(tài)貝葉斯模型 卡爾曼濾波 ? 基本思想：從本質(zhì) 上講，卡爾曼濾波器就是一個有噪聲線性動態(tài)系統(tǒng)狀態(tài)預估的遞歸算法，它是一個不斷地預測與校正的過程。目標特征的變化具有隨機性，這種隨機變化可以采用統(tǒng)計數(shù)學的方法來描述。 ? 優(yōu)缺點：特征點一般是稀疏的，攜帶的信息較少，可以通過集成前幾幀的信息進行補償。其中，特征點是匹配算法中常用的特征。 尋找的過程就是特征匹配過程。 ? 優(yōu)缺點：不適合復雜背景中的目標跟蹤，但在空中背景下的目標跟蹤中非常有效。 視頻目標跟蹤算法 基于對比度分析 基于匹配 核方法 運動檢測 其它方法 特征匹配 貝葉斯 跟蹤 Mean shift方法 光流法 基于對比度分析的方法 ? 算法思想：基于對比度分析的目標跟蹤算法利用目標與背景在對比度上的差異來提取、識別和跟蹤目標。它能夠利用計算機視覺技術(shù)對采集到的視頻信號進行處理、分析和理解，并以此為基礎(chǔ)對視頻監(jiān)控系統(tǒng)進行控制，從而使視頻監(jiān)控系統(tǒng)具備更好的智能性和魯棒性。目標跟蹤綜述 東北大學 模式識別與智能系統(tǒng) 田維
教學課件相關(guān)推薦
鄂ICP備17016276號-1