自适应尺寸变化的meanshift跟踪
最近在看meanshift方面的文章,看了一篇博文对这篇文章《Robust scale-adaptive meanshift for tracking》寄予很高的评价,所以把这篇文章简要的读了一下,下面对这篇文章的核心思想和算法实现过程进行简要整理,因为这篇文章与我目前项目的关系不是太大,所以就不对这篇文章进行实现了,这篇文章就作为技术储备了。
文章在前面对meanshift的原理进行了整理和推倒,由于之前对meanshift已经有了初步了解,所以在这就不对meanshift进行介绍了。主要介绍作者的算法。
meanshift尺寸估计
假设视频帧中目标尺寸是以同向的方式进行变化的,表示像素的位置,N表示图像中像素的个数,目标在图像中用椭圆区域表示为目标模型在特征概率密度表示为
其中C是归一化参数。是当前帧运动目标像素的位置,目标的中心是位置y,采用相同的核密度函数,目标状态为
h是目标当前状态的尺寸。
n1目标模板在椭圆区域内的像素个数,nh是目标当前状态在h尺寸下像素的个个数,则,则
则Bya公式可以表示为
根据meanshift原理,我们可以表示为
算法实现过程
MS(s)—Meanshift with regularize scale estimation
输入:目标模板直方图,开始位置,初始尺寸
输出:终止位置,终止时尺寸
t=1;
循环
公式(10)计算,公式(14)计算权重;
根据公式(20)更新目标位置;
根据公式(21)得到的结果更新;
t=t+1;
除了尺寸的更新这个过程与标准meanshift过程一样。在这里应用了两个参数,第一个 我们假设目标尺寸并没有剧烈的变化,因此我们对尺寸变化的处理如下(22)所示:
其中尺寸参数h被界定在之间。
强迫搜索窗中包含一定比例的背景像素。的函数如(23)所示:
表示搜索窗中背景像素所占的比例。背景像素所占的权值如下计算:
分子是目标模板的像素权重和,分母是所有像素的权重和。
MS(fd)—Meanshift with scale and backward consistency check
MS(s)对于视频中背景分布分散不适用,所以作者提出了返回确认尺寸的MS(fd)方法,通过t-1到t估计位置,用估计的位置进行t到t-1的位置和尺寸确认。这个确认过程保证了背景分散的尺寸估计不会崩溃,并且矫正跟踪错误。
算法过程:
输入:目标模板直方图,开始位置,初始尺寸;
输出:每一帧的位置和尺寸;
作者实验过程中的参数为:
,,,,,,
自适应尺寸变化的meanshift跟踪相关推荐
- 基于空间直方图meanshift跟踪
最近看了一篇文章<spatiograms versus histograms for region-based tracking>,在此把这篇文章的核心思想及算法推理进行整理. 空间直方图 ...
- mean shift聚类matlab,meanshift目标跟踪源程序 meanshift跟踪算法MATLAB源码 - 下载 - 搜珍网...
压缩包 : MeanShift+深入详细(MatLab源码).rar 列表 MeanShift+深入详细(MatLab源码)/meanshift文章.PPT.word文档.基于meanshift的跟踪 ...
- 【笔记】使用Opencv中均值漂移meanShift跟踪移动目标
Mean Shift均值漂移算法是无参密度估计理论的一种,无参密度估计不需要事先知道对象的任何先验知识,完全依靠训练数据进行估计,并且可以用于任意形状的密度估计,在某一连续点处的密度函数值可由该点邻域 ...
- 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 ...
- 目标跟踪算法--Camshift 和Meanshift
算法原理: meanshift原理: meanshift算法思想其实很简单:利用概率密度的梯度爬升来寻找局部最优.它要做的就是输入一个在图像的范围,然后一直迭代(朝着重心迭代)直到满足你的要求为止.但 ...
- MeanShift 目标跟踪
MeanShift算法,又称为均值漂移算法,采用基于颜色特征的核密度估计,寻找局部最优,使得跟踪过程中对目标旋转,小范围遮挡不敏感. 文章目录 MeanShift 原理 MeanShift 跟踪步骤 ...
- 视频跟踪——meanshift算法
部分内容转载于: http://blog.csdn.net/google19890102/article/details/51030884 http://www.cnblogs.com/liqizho ...
- 基于MeanShift的目标跟踪算法及实现(转载)
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/jinshengtao/article/details/30258833 这次将介绍基于MeanShi ...
- 基于meanshift的手势跟踪与电脑鼠标控制(手势交互系统)
基于meanshift的手势跟踪与电脑鼠标控制(手势交互系统) zouxy09@qq.com http://blog.csdn.net/zouxy09 一年多前开始接触计算机视觉这个领域的时候,年幼无 ...
最新文章
- 随机过程:高斯函数导数、梯度
- 2引擎帮助文档_【虚幻4】初学者系列教程-《基础入门》#2-学习虚幻4的15个途径...
- 52个实用的数据可视化工具!
- 系统性能衡量维度、指标
- 配置文件上传的Action
- 【Linux开发】linux设备驱动归纳总结(八):3.设备管理的分层与面向对象思想...
- mysql中b树是什么_MySQL优化中B树索引知识点总结
- 遭遇掌控欲望极强的上司,郁闷的项目
- matlab汽车驱动力与行驶阻力,最新汽车理论1.3和2.7matlab编程答案
- ndk读取assets文件
- MySQL数据库名字能不能用中划线 ‘-’ ?
- ppt插入html,如何在PPT中嵌入网页?
- Android iText向pdf模板插入数据和图片
- 免费空间如何建设网站?
- 计算机测试是指,考驾照电脑测试是什么
- CDA1级习题复习(3)
- c#里namespace是什么意思?
- java web网站集成新浪微博登录
- 二维火收银系统服务器超时,二维火收银系统,改变的不止是你的收银模式!
- 【开源教程1】疯壳·开源蓝牙心率防水运动手环-开发套件简介
热门文章
- Your account has been blocked. git更新代码时报错
- 【java当中摄像头调用保姆级别教程和在摄像头上实现滤镜效果】
- NLP-预训练模型-2018-Bert-解析:BertForMaskedLM
- 小心!除了植入木马,你的充电宝可能还在窃听你,受害人遍布全国
- 一次基于u2-net的人物肖像画的实践
- [天池最新比赛] 云上进化”2022全球AI生物智药大赛” #¥150000
- Helm:问题对应:k3s下使用helm 3提示Kubernetes cluster unreachable
- js中eq neq gt gte lt lte分别是什么意思
- 传统餐桌行业调研报告 - 市场现状分析与发展前景预测(2021-2027年)
- CEX的梅克尔树储备证明是什么?