视频目标跟踪算法Mean Shift和Particle Filter
最近,再次熟悉了一下Mean Shift和Particle Filter的两种跟踪算法,对它们的基本思想和原理又有了一定的理解,写在这里供大家分享一下,不足之处还请及时指出,谢谢!
下面结合视频目标跟踪应用来具体说明
一、视频目标跟踪的基本过程
1)初始化目标区域。可以使用目标检测方法或人工选定方法来初始化目标的位置和大小;
图.1
2)提取目标的模型。经典的方法是提取目标区域的颜色直方图特征,该特征加上目标的位置和大小等信息构成目标初始时刻的状态;
图.2
3)够建候选目标模型。即在下一帧中的某一位置计算该位置区域是候选目标时的区域颜色直方图特征;
4)计算相似度。计算候选目标与初始目标模型的相似度;
图.3
图.4
5)寻找最大相似度位置。即寻找相似度值最大的候选目标位置,也就是跟踪的下一帧中的目标位置。
本质上来说,视频目标跟踪就是寻找到上面的相似度值最大的位置,即最佳匹配位置。
二、Mean Shift的基本原理及其在跟踪中的作用
Mean Shift算法本质上是最优化理论中的最速下降法(亦称梯度下降法,牛顿法等),即沿着梯度下降方法寻找目标函数的极值。在跟踪中,就是为了寻找到相似度值最大的候选目标位置。
那么,它究竟是如何来寻找这样的相似度最大位置(最佳匹配区域)?
我们知道从初始目标区域提取的特征,对于下一个的视频而言,其上任意位置都可以圈定出一个与初始化目标区域相同大小的区域,并提取该区域的颜色直方图特征与初始化目标区域提取的颜色直方图特征进行匹配,计算得到两个特征之间的相似度。由此,可以得到一个由特征匹配程度构成的一个相似度概率密度分布图(图.4)。我们真正需要寻找的就是该概率密度分布图上的最大值(与初始目标特征最相似的位置)。
Mean Shift方法就是沿着概率密度的梯度方向进行迭代移动,最终达到密度分布的最值位置。其迭代过程本质上是的最速下降法,下降方向为一阶梯度方向,步长为固定值。但是,Mean Shift没有直接求取下降方向和步长,它通过模型的相似度匹配函数的一阶Talor展开式进行近似,直接推到迭代的下一个位置。由此,沿着梯度方向不断迭代收敛到目标相似度概率目标分布的局部极大值。
实际中,我们不可能去求取下一帧中所有位置的相似度。Mean Shift是在不知道该概率密度分布的条件下,使用迭代过程中每次选定的目标区域的局部密度特征来进行迭代的,因此,它寻找的是目标的局部极大值。这就导致目标运动过快或背景过于复杂时,迭代寻找的局部极值并不是目标在下一帧中的最佳匹配位置。另外,Mean Shift作为最速下降法的一种,它的收敛速度并不快,且在接近最优值时,存在锯齿现象。
二、Particle Filter的基本原理及其在跟踪中的作用
Particle Filter算法本质上是蒙特卡罗仿真,即通过采样粒子来近似描述概率密度分布。跟踪中,不可能求取下一帧中所有位置的相似度,即无法获取相似度概率密度分布。而Particle Filter就是通过粒子采样来近似描述这样的分布,有了该分布就可以获取目标的相似度最大位置。一般是根据粒子自身的匹配程度来确定概率密度的最值。
与Mean Shift的主要区别在于寻找相似度概率密度分布的最值方法不同。Mean Shift算法通过迭代来寻找最值位置,而Particle FIlter没有这样的迭代过程,它通过播散大量的粒子,通过这些粒子来获取最值位置。另外,因为粒子采样是遍布整个相似度概率密度空间的,故其具有全局最优性质。
另外,粒子滤波还有重要性采样和重采样等技术,这些内容后面会慢慢补充上来。
转载于:https://www.cnblogs.com/qingfengyiqu/articles/4308210.html
视频目标跟踪算法Mean Shift和Particle Filter相关推荐
- 基于均值漂移的视频目标跟踪算法的研究
背景介绍 计算机视觉作为一门多技术融合的学科,涉及模式识别和视频图像处理等众多领域.基于视频的目标检测与跟踪技术是计算机视觉领域中最主要的研究方向之一,它是智能监控.移动机器人视觉导航以及人机交互等应 ...
- 视频目标跟踪算法综述
视频跟踪:基于对比度分析的目标跟踪.基于匹配的目标跟踪和基于运动检测的目标跟踪 基于对比度分析的目标跟踪:主要利用目标和背景的对比度差异实现目标的检测与跟踪.这类算法按照跟踪参考点的不同可 ...
- 视频目标跟踪算法matlab仿真,对比二帧差法,三帧差法,混合高斯法以及Vibe算法
目录 1.算法概述 2.仿真效果 3.MATLAB仿真源码 1.算法概述 1.1二帧差法 帧间差分法是一种通过对视频图像序列的连续两帧图像做差分运算获取运动目标轮廓的方法.当监控场景中出现异常目标运动 ...
- ICCV 2019视频目标跟踪算法Pipeline集合
文章目录 1. ARCF: "Learning Aberrance Repressed Correlation Filters for Real-Time UAV Tracking" ...
- CVPR 2019视频目标跟踪算法Pipeline集合
文章目录 1. SiamMask: "Fast Online Object Tracking and Segmentation: A Unifying Approach." 2. ...
- kcf 跟随_基于YOLO和KCF的目标跟踪算法研究
1. 引言 随着AI技术的不断发展,其子领域计算机视觉技术也获得了突飞猛进的进步,计算机视觉即通过机器实现"人眼"对事物的测量和判别能力.目前,计算机视觉技术主要应用于智能视频监控 ...
- Video Target Tracking Based on Online Learning—TLD单目标跟踪算法详解
视频目标跟踪问题分析 视频跟踪技术的主要目的是从复杂多变的的背景环境中准确提取相关的目标特征,准确地识别出跟踪目标,并且对目标的位置和姿态等信息精确地定位,为后续目标物体行为分析提供足 ...
- Mean shift目标跟踪算法
文档下载链接https://download.csdn.net/download/OEMT_301/12089925 Mean shift作为一种跟踪算法经常被用到.它是一种无参数密度估计寻找局部极值 ...
- 基于MeanShift的目标跟踪算法及实现
from: http://blog.csdn.net/jinshengtao/article/details/30258833 一.简介 首先扯扯无参密度估计理论,无参密度估计也叫做非参数估计,属于数 ...
- 基于特征点匹配的自适应目标跟踪算法
基于特征点匹配的自适应目标跟踪算法 2016-01-29 13:11 摘 要:由于实际场景复杂多变,目标在运动过程中往往会出现形变.遮挡等问题,增加了跟踪的难度.为了解决上述问题,提出一种基于特征点匹 ...
最新文章
- update和saveOrUpdate详解
- 微服务架构Spring Cloud和Dubbo 还有EDAS
- app.config 配置的一种用法
- it招聘的一些门道与招聘数据分析(持续更新)
- 用Javascript实现面向对象编程(封装,抽象,继承,多态)
- redis 系列24 哨兵Sentinel (中)
- movebase导航
- 关于雅克比矩阵与黑塞矩阵
- Win11切换桌面快捷键
- 输出大于某个正整数n的最小质数(1除外
- foobar2000播放的一些使用技巧
- 锐捷商通v6数据库服务器位置,热烈庆祝我校开通IPv6资源
- Android Studio Emulator 报错 detected adb
- 计算机机房动环系属于什么分项,动环监控系统
- 简单的网络打印的配置与管理(IP地址...)
- 怎样使用Markdown输入数学公式
- linux 文件名带日期,在linux中追加日期到文件名
- 低通采样定理 matlab,基于matlab的低通抽样定理仿真
- 禁止浏览器自动填充账号密码
- (转) CS的顶级会议和期刊