mean-shift优质文档课件.pptVIP

MeanShift

背景知识直观描述直观描述直观描述直观描述直观描述直观描述直观描述算法原理Mean-Shift物体跟踪Mean-Shift物体跟踪

目标表示Mean-Shift物体跟踪

目标定位Mean-Shift物体跟踪Mean-Shift物体跟踪

Mean-Shift物体跟踪

Mean-Shift物体跟踪Mean-Shift物体跟踪

相似度函数的确定Mean-Shift物体跟踪

目标跟踪算法Mean-Shift物体跟踪Mean-Shift物体跟踪

相似度的最大化Mean-Shift物体跟踪

Mean-Shift物体跟踪

关于核函数Mean-Shift物体跟踪

关于核函数Mean-Shift物体跟踪

选择核函数Mean-Shift物体跟踪

结果Mean-Shift物体跟踪

结果Mean-Shift物体跟踪

结果*吴珍荣S201102080均值漂移(MeanShift)是Fukunaga等人提出的一种非参数概率密度梯度估计算法，该方法直到Cheng的研究成果发表之后，才受到较多的关注。此后均值漂移被广泛应用到诸多相关域，如模式分类、图像分割以及目标跟踪等方面。在跟踪领域，MeanShift的跟踪算法是一种以目标区域像素值的概率分布为特征的跟踪算法。MeanShift的跟踪算法是通过计算候选目标与目标模板之间相似度的概率密度分布，然后利用概率密度梯度下降的方向来获取匹配搜索的最佳路径，加速运动目标的定位和降低搜索的时间，因此在目标实时跟踪领域有着很高的应用价值。该算法由于采用了统计特征，因此对噪声有很强的鲁棒性；由于是一个单参数算法，容易作为一个模块和别的算法集成；采用核函数直方图建模，对边缘阻挡、目标的旋转、变形以及背景运动都不敏感；同时该算法构造了一个可以用MeanShift算法进行寻优的相似度函数。由于MeanShift本质上是最陡下降法，因此其寻优过程收敛速度快，使得该算法具有很好的实时性。完全相同的桌球分布感兴趣区域质心MeanShift矢量目的：找出最密集的区域完全相同的桌球分布感兴趣区域质心MeanShift矢量目的：找出最密集的区域Distributionofidenticalbilliardballs感兴趣区域质心MeanShift矢量Objective:Findthedensestregion完全相同的桌球分布感兴趣区域质心MeanShift矢量目的：找出最密集的区域完全相同的桌球分布感兴趣区域质心MeanShift矢量目的：找出最密集的区域完全相同的桌球分布感兴趣区域质心MeanShift矢量目的：找出最密集的区域完全相同的桌球分布感兴趣区域质心目的：找出最密集的区域对在d维欧式空间中，x表示该空间中的一个点，K(x)表示该空间的核函数，其定义为：这里：K(x)是放射对称核函数，k(x)称为K(x)的轮廓函数，具有可微性，且；标准化常量ck,d严格正，使K(x)积分为1，一般核函数选择Epnaeehkiov函数。这样，X空间中点x估计得密度概率值被定义为：……当前帧……选择一个特征空间在选择的特征空间中表示选取的模板在当前帧选取一个合适的模板在下一帧模板附近的区域进行搜索从当前帧模板的位置开始通过算法找到最佳的候选区域在后面视频的帧，重复上面的过程当前帧……模板候选区域在当前帧选取一个合适的模板彩色空间的量化选择一个特征空间通过利用的函数，在选择的空间表示模板相似性函数:模板区域(质心为取模板时的点)候选区域(质心为y)相似性函数:问题:目标仅仅通过颜色信息表示空间信息缺失方法:在空间区域利用各向同性的核函数对目标进行处理f(y)变得平滑y没通过平滑所采用的梯度下降法鲁棒性较差邻近区域有较大的相似性变化目标像素位置可微,各向同性，凸面，递减的核函数次要像素受到背景干扰的影响判断像素x是否属于(1..m)中的一个特征值归一化常数核函数特征值u在模板区域中的概率特征值u在候选区域中的概率归一化常数核函数0目标y候选模板区域:候选区域:相似性函数:11Bhattacharyya系数从当前帧的模板位置开始在下一帧搜索模板的邻近区域通过相似性函数找