对目标识别的一些算法的资料.pptVIP

优点： (1)图像数据、初始估计、目标轮廓以及基于知识的约束统一于一个特征提取过程中； （2）经适当初始化后，它能自主地收敛于能量极小值状态。 （3）尺度空间中由粗到精的极小化能量可以极大地扩展捕获区域和降低计算复杂性。 缺陷： （1）对初始位置敏感，需要依赖其他机制将蛇放置到感兴趣的图像特征附近； （2）由于蛇模型的非凸性，它有可能收敛到局部极值点，甚至发散。 （3）无法收敛到轮廓的深度凹陷部分。 （4）不具备自动拓扑变换能力。 对蛇模型的改进： Balloon模型 GVF蛇模型 基于动态规划的蛇模型 具有拓扑变化的蛇模型 这些模型都是对基本蛇模型某一方面缺陷作出的一些改进，仍未从根本上解决蛇模型存在的困难 对一段目标跟踪视频算法的思考 对鼠标圈定的任何物体的跟踪是如何实现的？ 我感觉是不是可以充分利用视频的连续性去实现 视频和图片的最大不同是一个是连续的，一个是静止的。 即视频一秒有许多帧，这一帧和下一帧的变化会非常小，可以利用被鼠标圈定的部分作为模板去匹配下一帧图像，然后把下一帧识别出来的图像作为新的模板去匹配再下一帧的图像。 不断进行远近、旋转变化的过程可能是让系统不断学习新的图像的过程。 圈定的目标消失后，再次出现如何识别？ 学习的方法：可能是神经网络将所有模板存储提取相应特征，然后不断的学习；也可能是直接利用所有的模板全图扫描（可能性不大）。使得当目标再次出现