概率占据图(POM)算法理解
对此算法的关注来自2017研究生数学建模D题问题五。
问题5:如何通过从不同角度同时拍摄的近似同一地点的多个监控视频中(如图3所示)有效检测和提取视频前景目标?请充分考虑并利用多个角度视频的前景之间(或背景之间)相关性信息(一些典型视频可从
http://cvlab.epfl.ch/research/surv/multi-people-tracking下载)
图3 在室内同一时间从不同角度拍摄同一地点获得的视频帧
转自:http://blog.csdn.net/ctygehm/article/details/45747999
缘起
这个算法在国内不多见,百度谷歌也没有看到相关的资料,感觉这个算法是变分法在贝叶斯框架下的视觉算法中的一个很好的应用,所以就把自己以前整理的一些内容贴出来了。
什么是POM
Probabilistic Occupancy Map, 用于计算物体在平面上存在的概率,
原文见https://infoscience.epfl.ch/record/145991/files/FleuretBLF08.pdf
代码见https://cvlab.epfl.ch/research/surv/multi-people-tracking。
多个相机从不同角度监控同一场景,POM通过各视角运动检测后的结果(二值图像)计算所监控平面上运动物体出现的概率。具体地,首先将被监控平面划分为等大小的矩形,每个矩形上有无物体(行人,后文不区分)的事件表示为Xi,当Xi=1时表示有行人,否则无,POM可得到Pr(Xi=1)使下式最大:
建模
根据贝叶斯公式,有:
求解
变分法。
说明
POM的运行速度很慢,文中通过积分图加速POM的计算,可实际运行结果仍然很慢(1280×1024的图像,4个视角,大概十几秒处理一帧),不能实时运行,对一般监控任务而言不适用。但感觉这个方法相比一般多视角定位的方法,理论简洁,效果良好。期待并行算法的出现!
概率占据图(POM)算法理解相关推荐
- 【机器学习系列】概率图模型第一讲:从概率和图的角度理解概率图模型
作者:CHEONG 公众号:AI机器学习与知识图谱 研究方向:自然语言处理与知识图谱 前言: 文中含有大量公式,若需获取本文全部的手书版原稿资料,扫码关注公众号[AI机器学习与知识图谱],回复: 概率 ...
- 基于采样的规划算法之概率路图(PRM)法
概率路图(Probabilistic Road Map, PRM)法严格意义上只是一种构建规划问题图(graph)的方法,在目的上与前面介绍的可视图.Voronoi图一样.在构建完规划问题图(grap ...
- 快速理解Facebook图嵌入算法Pytorch-Biggraph的原理
Facebook最近开源了其图嵌入算法Pytorch-Biggraph.这个算法完全基于CPU进行运算不需要GPU支持,而且号称能够应对上亿节点.有热心的读者给我私信问到图嵌入是是否就是笔者在之前的博 ...
- 概率路图法(PRM)路径规划算法简述
一.概率路图法(PRM)简介 概率路图法(Probabilistic Road Map)由LE Kavraki,.P Svestka等人于1996年在论文<Probabilistic ...
- 实战|基于图割算法的木材表面缺陷图像分析
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自|新机器视觉 鉴于图割方法的明显优势,白雪冰及其团队采用G ...
- 图网络算法——概率图介绍与贝叶斯网络
图网络算法--概率图综述 1 概率论回顾 在介绍概率图之前,我们先来回顾一下概率论中的相关的知识. 样本空间(Ω): 样本空间描述的是一个随机试验中所有可能输出的集合.比如我们随机抛了一千次硬币,那么 ...
- 强化学习算法DQN:算法简介、创新点:回放机制target-network、伪代码、算法理解、代码实现、tensorboard展示网络结构
文章目录 DQN简介 DQN目标 Q-learning与DQN Loss Function 创新点:回放机制&target-network 算法伪代码 算法理解 代码实现 tensorboar ...
- 技术原创|一文读懂图遍历算法以及图计算应用
为解决大规模计算和海量数据处理问题,Google 在 2010 年提出了图计算模型 Pregel.随后又陆续出现了.GraphLab.GraphChi等典型图计算系统. 图计算是人工智能的一个使能技术 ...
- c语言最小费用流_策略算法工程师之路-图优化算法(一)(二分图amp;最小费用最大流)...
目录 1.图的基本定义 2.双边匹配问题 2.1 二分图基本概念 2.2 二分图最大匹配求解 2.3 二分图最优匹配求解 2.4 二分图最优匹配建模实例 2.4.1 二分图最优匹配在师生匹配中的应用 ...
最新文章
- 30道linux面试题与答案(21-30)
- codeforces708C
- 设置行内元素宽高和背景色后,行内元素文本不水平垂直居中解决方案
- 学习新 api 的思考过程 4.18
- cmi编码用c语言实现,CMI编码与解码
- mysql验证配置_详解MySQL|教你一招如何自动验证 MySQL 配置正确性
- 选了combobox里的选项后没激发change事件_备胎测试:来测测你被备胎了没?
- 如何在MySQL中创建新用户并授予权限
- 安装Win7系统时使用diskpart命令将GPT分区转换为MBR分区
- 采用HTML5之“data
- 【转】char码值对应列表大全
- 最简单的pdf加水印方法,五个步骤很详细
- 触摸屏一体机的类型有哪些
- 用 JAVA 开发游戏连连看
- 【萧蕊冰】ui设计和交互设计的区别是什么?
- 怎么用dw做html网页模板,使用Dreamweaver制作网页的20个技巧
- 银行双活数据中心建设项目实践
- 奉劝那些想涨工资的程序员,这些 IT 大神们都在用的网站,你越早知道越好(建议收藏)!!...
- 贴吧猫头鹰隐藏二维码是怎么制作的?
- 王道俊教育学第7版笔记和课后答案
热门文章
- [Linux]NIS: 集中化认证服务
- Multi-tenant or multi-instance?
- 八种排序整理(六)----堆排序
- leetCode 28. Implement strStr() 字符串
- Mysql优化系列(0)--总结性梳理
- 用友企业互联网服务产品闪亮2016中国互联网大会
- 解决jsp两种提交方式乱码 的方法
- python 多线程笔记(6)-- 闭包
- 批量管理Linux服务器,命令行工具Omnitty
- c++ 两个多边形区域重叠_2018 年英国中级数学挑战赛中的多边形问题