MeanShift算法原理与在目标跟踪上的应用.pptVIP

Mean Shift算法原理和在目标跟踪上的应用 Agenda Intuitive Description Intuitive Description Intuitive Description Intuitive Description Intuitive Description Intuitive Description Intuitive Description 研究现状 Mean shift算法是Fukunaga于1975年提出的，其含义即偏移的均值向量。随着Mean shift理论的发展，它的含义也发生了变化。现在一般是指一个迭代的步骤，即先算出当前点的偏移均值，移动该点到其偏移均值,然后以此为新的起始点，继续移动，直到满足一定的条件结束。Cheng Yizong定义了一族核函数 ，将Mean shift算法引入到计算机视觉领域。Bradski G R对Mean shift算法进行改进，发展建立了Camshift算法，将Mean shift方法扩展应用到了目标跟踪中来。 Mean shift的基本形式 给定d维空间 中的n个样本点,i=1,…,n,在点 的Mean Shift向量的基本形式定义为: 其中， 是一个半径为h的高维球区域， k表示在这n个样本点中，有k个点落入区域 中. Mean shift的扩展 核函数： 代表一个d维的欧氏空间， 是该空间中的一个点，用一列向量表示。 的模 。 表示实数域。如果一个函数 存在一个剖面函数 ，即 剖面函数的性质： （1） 是非负的 ； （2） 是非增的； （3） 是分段连续的,并且 Kernel Density EstimationVarious Kernels 核密度 估计 Non-Rigid Object Tracking Non-Rigid Object Tracking Mean-Shift Object TrackingGeneral Framework: Target Representation Mean-Shift Object TrackingGeneral Framework: Target Localization Mean-Shift Object TrackingTarget Representation Mean-Shift Object TrackingPDF Representation Mean-Shift Object TrackingSmoothness of Similarity Function Mean-Shift Object TrackingFinding the PDF of the target model Mean-Shift Object TrackingSimilarity Function Mean-Shift Object TrackingTarget Localization Algorithm Mean-Shift Object TrackingApproximating the Similarity Function Mean-Shift Object TrackingMaximizing the Similarity Function Mean-Shift Object TrackingApplying Mean-Shift Mean-Shift Object TrackingAbout Kernels and Profiles Mean-Shift Object TrackingChoosing the Kernel Mean-Shift Object TrackingAdaptive Scale 完 谢谢 Problem: The scale of the target changes in time The scale (h) of the kernel must be adapted Solution: Run localization 3 times with different h Choose h that achieves maximum similarity * Mean Shift Theory What is Mean Shift ? Density Estimation Methods Deriving the Mean Shift Mean shift properties Applications