- 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、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、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、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 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、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、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)