图像采集与处理-C22-R.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
图像采集与处理-C22-R

图像采集与处理 视觉跟踪 2012-12-20 视觉跟踪概述 视觉跟踪:在沿着时间轴连续的图像帧中估计时变目标的状态,状 态包含目标的位置、姿态和其它视觉特征。 视觉跟踪的应用:视频监控(跟踪可疑目标和异常事件)、机器人导 航、人机交互等。 视觉跟踪算法的分类: 1. 基于贝叶斯滤波技术:用概率和统计学方法来表述目标状态、动 力学方程和观测方程,并使用贝叶斯理论和概率估计技术来估计每 一时刻目标的最优状态。典型代表:卡尔曼滤波、粒子滤波、 CONDENSATION算法。 视觉跟踪概述 视觉跟踪算法的分类: 2. 基于图像注册(image registration)技术:该类技术基于图像一致性 假设,即当前帧和前一帧图像中的目标区域在视觉特征上没有变化 或者仅有极小的变化。根据该假设,设计一个目标函数,通过优化 该目标函数来估计当前图像中的目标区域。典型代表:kernel-based tracking. 视觉跟踪概述 视觉跟踪算法的分类: 3. Tracking-by-Detection技术:该类方法将视觉跟踪表达为一个基于 视觉特征的前景目标和背景的二分类过程,即通过在每帧图像中检 测前景目标实现目标跟踪的目的。 缺点:如果跟踪目标不同,需要事先训练不同的检测器。 基于行人检测器的视觉跟踪 贝叶斯滤波原理 对于一个系统而言,系统的状态量通常不能直接观测到,需要通过 传感器得到的观测量以及(或者)系统的控制量来估计。 状态量:x , x , x , …, x 0 1 2 t 观测量:z , z , …, z 1 2 t 控制量:u , u , …, u Zt-1 Zt Zt+1 1 2 t 在不考虑当前时刻观测量的情况 下,系统状态概率分布表达为: ut-1 ut Xt-1 Xt Xt+1 p( x| x , z , u ) t t 0: 1t 1: −1t 1: − 马尔可夫假设(Markov Assumption):当前时刻的状态量只由上一时 刻的状态有关。因此,xt -1可以代表以前时刻的观测量和控制量。 因此得到状态转移概率,它反映了控制量对于前一时刻状态分布转 移到当前时刻状态分布的过程中所起的作用,也称为动力学方程。 p( x | x , z , u ) p( x | x , u ) t t 0: 1t 1: 1−t 1: − t t t −1

文档评论(0)

ctuorn0371 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档