跟踪算法简单小结.pptxVIP

跟踪算法简单小结 — —CXT,VTD,VTS,struck 1 跟踪算法小结 跟踪算法的提出由来及其解决的问题 跟踪算法思想跟框架 跟踪算法的特色特点（贡献点） 2 CXT（ Context Tracker ）--2011cvpr 跟踪算法的提出由来及其解决的问题 3 跟踪算法思想跟框架 该算法思想主要有两个重点：distrackers和supporters distrackers是由randomized ferns classifiers检测得到的 supporters是由Hessian Detector（角点检测） 和surf descriptor构成 4 5 6 初始化目标 初始化randomized fern 和 supporters 输入视频帧 用randomized fern检测候选项（结合模板匹配模型） 针对候选项进行特征点匹配（support score） 更新randomized fern 和 supporters 得到跟踪结果 7 跟踪算法的特色特点（贡献点） 该算法也是一种P-N learning的算法（TLD） 对于跟踪的关注点不一样（行人跟踪） 跟我们系统Supervise监督机制在某些方面有点类似（上下文信息） 8 VTD (Visual Tracking Decomposition) 2010cvpr 跟踪算法的提出由来及其解决的问题 该算法提出的由来：现实的跟踪困难主要遇到的问题是appearance and motion changes 本文appearance and motion changes具体 表现为pose variations , abrupt motions, occlusion ， illumination changes 9 跟踪算法思想跟框架 针对于appearance and motion changes，该算法设置了鲁棒性良好的appearance and motion models appearance models：SPCA（sparse PCA） motion models：Gaussian perturbation interactive Markov Chain Monte Carlo（马尔科夫蒙特卡洛模型） 10 该算法把跟踪问题看作贝叶斯概率分布问题： 11 SPCA 有三个特点：1.囊括目标的可能外观 变化 2.紧密性 3.互补性 12 SPCA 13 Gaussian perturbation 对于运动模型建模有两种：smooth，abrupt 14 MCMC（ Markov Chain Monte Carlo ） 15 初始化目标 初始化SPCA 和Gaussian perturbation 输入视频帧 SPCA算出basic appearance model Gaussian perturbation算出basic motion model 更新SPCA 和 Gaussian perturbation Markov Chain Monte Carlo算上述模型的权重wt 得到跟踪结果 跟踪算法的特色特点（贡献点） 从现实环境出发，提供有效的解决方案（有点虚） 把现实复杂的目标跟踪问题分解成小模块分析，加以综合（中肯） 17 VTS(Tracking by Sampling Trackers)