IDT算法分析.ppt

IDT算法分析 西安交大 电信硕31 于斌 利用SURF特征和密集光流（GoodFeaturesToTrack）寻找匹配点 对匹配应用RANSAC算法配准，消除相机运动 应用人体检测器，消除bounding box内的配准 应用Gunnar Farneback’s 算法计算光流场 三维空间内取块计算轨迹描述符 轨迹特征 HOG HOF MBH 轨迹特征 M为中值滤波器，W为光流场， HOG 在一副图像中，局部目标的表象和形状（appearance and shape）能够被梯度或边缘的方向密度分布很好地描述。（本质：梯度的统计信息，而梯度主要存在于边缘的地方） 首先将图像分成小的连通区域，我们把它叫细胞单元。然后采集细胞单元中各像素点的梯度的或边缘的方向直方图。最后把这些直方图组合起来就可以构成特征描述器。 HOF 由于目标的尺寸会随着时间发生变化，相应的光流特征描述子的维度也会变化，同时，光流的计算对背景噪声、尺度变化以及运动方向都较敏感，因此需要寻找一种基于光流的既能表征时域动作信息，又对尺度和运动方向不敏感的特征。HOF则是基于此需求提出来的。 计算光流矢量与横轴的夹角，根据角度值将其投影到对应的直方图bin中，并根据该光流的幅值进行加权。 RANSAC 输入是一组观测数据（往往含有较大的噪声或无效点），一个用于解释观测数据的参数化模型以及一些可信的参数。