来自object tracking: a survey
对象表示
在计算机视觉中,不管进行什么操作,都是对对象的进一步分析,所以,对象的表示就是我们首先要考虑到的问题。
1)常见形状表示法:
1,点。
用一个点,或者用一系列点表示对象,例如图中的(a)(b).这种表示法一般用于在图像中占据很小区域的对象。
2,简单的几何图形。
用简单的几何图形表示对象,比如矩形或者椭圆,例如图中的(c)(d).
3,轮廓。
用对象的轮廓来表示对象。例如图中的(g)(h)(i).
4,链状模型。
通过关节将各部件连接起来表示对象。例如图中的(e).其中,各部件用圆柱或者椭圆表示。
5,骨骼模型。
通过对对象轮廓进行中间轴转换提取可得到对象的骨骼架构,(也可以通过关键关节点的定位来推测对象的骨骼,这种方法常用于姿态识别中)例如图中的(f).
2)常见外观表示法:
1,物体外观的概率密度。
物体外观的概率密度评估可以分为参数形式的和非参数形式的,参数形式的比如高斯分布非参数形式的比如直方图。物体外观特征(颜色,纹理)的概率密度可以通过指定图像区域的形状模型(椭圆或者轮廓的内部区域)计算出来。
2,模板。
由简单的几何图像和轮廓组成。
3,主动外观模型。
物体的形状通常用一系列的标记表示,类似之前的轮廓表示法。
4,多视角外观模型。
就是从不同视角对对象进行编码。比如子空间法。这种模型的局限在于所有视角的视图都需要提前形成。
特征选择
特征选择的好坏直接影响后续目标的表达。常见的特征选择方法有以下几种。
1,颜色。
在图像处理中,RGB颜色空间在视觉上不均匀,且在维度上有很强的相关性,相比之下的HSV(色彩,饱和度,值)等在视觉上比RGB均匀,可是这些颜色空间对噪音很敏感。
2,边界。
相较于颜色特征,边界特征对图像光照的敏感程度低。代表算法有边界探测法。
3,视觉流。
视觉流用灰度约束来表示,认为相邻帧中对应的像素点的灰度值不变。
4,纹理。
纹理是一种对表面量化属性(如光滑度和规则度)的强度变化的度量。类似边界特征。