meanshift算法工作进度知识.pdfVIP

工作进度： 1．仔细阅读了一个运用 OpenCV中 CamShift 算法编写的视频跟踪程序，对整个 项目的程序框架有了整体的感知。 具体程序见附件 “camshiftdemo.c ”对其进行 了更详细的注解。 2. 现 正 在 进 一 步 学 习 manshift 算 法 ； 主 要 方 式 是 OpenCV 中 CvFuzzyMeanShiftTracker.cpp 源程序和文献中 MeanShift 相关的数学公式结 合，深刻学习 MeanShift 的原理和思想。 但是我遇到了问题就是数学公式需要扎 实概率论的基础。所以这方面工作比预期的计划安排推迟半周。 这是 meanshift 用的数学计算流程： 目标函数 : 最大的 Bha 相似系数。 输入：目标的颜色概率分布 q(u) 及初始位置 y0 步骤： 1、依据初始位置 y0 ，计算 y0 处的侯选目标的概率分布 p(y0) 以及 Bha 相似系 数 [p(y0),q(u)] ； 2、依据公式计算 权重 wi ； 3、 依据公式计算新的位置 y1 ； 4 、 计算 y1 处的侯选目标的概率分布 p(y1) 以及 Bha 相似系数 [p(y1),q(u)] ； 如果 [p(y1),q(u)][p(y0),q(u)], 则 y1=1/2(y0+y1); 再重新计算。 5、如果 |y1-y0|c, 则迭代结束 , 否则 y0=y1, 跳到第 1 步继续进行。 其中， 第 2 步 wi 的计算 , 是 由于将目标函数按泰勒级数展开后 , 舍弃二级 ( 包含 ) 以上的 高阶 , 而得到的一个系数。 第 3 步是 meanshift 迭代的一个表达式。 第 4 步是为了保证 Bha 相似系数始终增大， 而且据 Meer 论文中提到在实际测试 过程中 , 只有小于 0.1%的概率会出现 Bha 相似系数情况。所以有时也可省略。 具体 MeanShift 算法代码见附件 2 ：MeanShift 目标函数 : 最大的 Bha 相似系数。 输入：目标的颜色概率分布 q(u) 及初始位置 y0 步骤： 1、依据初始位置 y0 ，计算 y0 处的侯选目标的概率分布 p(y0) 以及 Bha 相似系 数 [p(y0),q(u)] ； 2、依据公式计算 权重 wi ； 3、 依据公式计算新的位置 y1 ； 4 、 计算 y1 处的侯选目标的概率分布 p(y1) 以及 Bha 相似系数 [p(y1),q(u)] ； 如果 [p(y1),q(u)][p(y0),q(u)], 则 y1=1/2(y0+y1); 再重新计算。 5、如果 |y1-y0|c, 则迭代结束 , 否则 y0=y1, 跳到第 1 步继续进行。 其中， 第 2 步 wi 的计算 , 是 由于将目标函数按泰勒级数展开后 , 舍弃二级 ( 包含 ) 以上的 高阶 , 而得到的一个系数。 第 3 步是 meanshift 迭代的一个表达式。 第 4 步是为了保证 Bha 相似系数始终增大， 而且据 Meer 论文中提到在实际测试 过程中 , 只有小于 0.1%的概率会出现 Bha 相似系数情况。所以有时也可省略。 最近看到一个改进是，利用 kalman 滤波器对初始点进行预测 , 然后 meanshift 进行迭代找到局部最相似的目标 , 同时对目标运动距离和最大相似性系数进行计 算 . 再利用运动相对距离和最大相似性系数 ( 值小了 , 可信度就低 , 表明目标被遮 挡了 .) 对 kalman 的状态矩阵进行更新 . 再对目标位置进行下一次的预测