马尔科夫随机场与实时多目标跟踪算法.pdf

马尔科夫随机场与实时多目标 跟踪算法 沈乐君 sljcool@ MRF 的应用实例 • 利用马尔科夫随机场进行噪声图像的分割 • 马尔科夫随机场结合粒子滤波器进行实时多 目标跟踪 目录 • 马尔科夫随机场（MRF ）的介绍 • 基于MRF 的噪声图像分割 • 粒子滤波器的介绍 • 综合MRF与粒子滤波器进行多目标跟踪 • 自助重要性采样（BISP ）的实时多目标跟踪 MRF 简介 • 马尔可夫随机场（Markov Random Field ）是 计算机视觉、图像处理等研究的重要工具。 • 它在图像处理中的应用广泛。它不仅可处理 底层视觉（图像分割、边缘检测），还可用 于中高层视觉处理（多目标跟踪、场景分析 和理解）。 MRF 的应用 • 图像除噪和图像增强 MRF 的应用 • 图像恢复 Roth and Black, CVPR 2005 MRF 的应用 • 去除杂波（Clutter Removal ） Zhu and Mumford PAMI, 1997. MRF 的应用 • 超解析度（Super-resolution ） Bill Freeman ICCV99 MRF 的应用 立体视觉 MRF 的应用 运动矢量 MRF 的应用 • 目标检测与识别。对目标的部分与整体关系 进行建模。 随机场 • 随机场（Random Field ）是一种被广泛应用 的随机数学模型。之所以它的应用广泛，是 因为它的定义非常简洁和通用。 • 下面介绍其核心定义。 随机场 • Collection of n sites S • Hidden random variable x at each site i i • Label set L – Each site takes on label l ∈L • Neighborhood system N – N neighbors of site I i – Explicit dependencies between neighbors 随机场 • Collection of n sites S • 位置S，刻画随机变量 xi 的空间关系。 – 网格 eg.4个像素 – 遮挡 eg.5个目标 随机场 • 其它各种类型的S 随机场 • Hidden random variable x at each site i