lynphoenix-CSDN博客

原创 2-17 目标跟踪发展方向讨论

现阶段的目标跟踪算法能够在简单的场景中进行鲁棒的实时跟踪。但是通常需要一些约束条件，如运动的平滑性，遮挡的数目，光照不变条件，目标与背景之间的对比度等。实际的应用场景很难符合这些条件。所以，特征选择、目标表达、运动形状、运动估计等相关问题还是较为热门的研究领域。在不受限制的日常视频中跟踪目标也是个重大挑战。噪声、压缩、非结构化场景都是带来困难的因素。利用特定的环境信息也是一个重要的研究方向。比如车辆跟踪中汽车应该限制在路面上而不是天上或墙上。这方面的信息对识别非常有意义。特征集合的选择对跟踪效果的影响也很大

2011-02-18 09:21:00 2712

原创 2-16 目标跟踪相关议题

前天是情人节，昨天是出差，anyway 都没有干什么正事。今天继续目标跟踪算法的总结，讨论实际跟踪问题中会遇到的问题，包括遮挡情况和多摄像头下的跟踪。 1 遮挡问题 细了说，遮挡分为三种情况：自遮挡，目标间遮挡，背景遮挡。通常对于目标间的遮挡，多目标跟踪算法(如MacCormick and Blake [2000] and Elgammal et al. [2002])可以根据目标的位置和外观的先验知识解决这一问题。而场景结构的部分遮挡则难以判断，因为难

2011-02-18 09:05:00 1903 1

原创 2-13 目标跟踪-轮廓跟踪

轮廓跟踪形状复杂的目标难以用简单的几何形状来表示。基于轮廓的方法提供了较为准确的形状描述。这类方法的主要思想是用先前帧建立的目标模型找到当前帧的目标区域。其中目标模型可以是颜色直方图、目标边缘或者轮廓。基于轮廓的跟踪方法可以分为两类：形状匹配方法和轮廓跟踪方法。前者在当前帧中搜索目标性状，后者则通过状态空间模型或直接的能量最小化函数推演初始轮廓在当前帧中的新位置。1 形状匹配方法这种方法类似于基于模板的跟踪，在当前帧中搜索目标的轮廓和相关模型。Huttenlocher et al.[1993] - 用基

2011-02-17 18:08:00 8174

原创初十-目标跟踪-核跟踪

核跟踪 核跟踪的目标表达通常用原始的目标区域来表达，跟踪由计算目标运动来实现的。目标运动以参数形式的运动(如平移、仿射等)或计算得到的连续帧的密度流区域描述。这些算法在外观表达的运动、跟踪的目标数目、运动估计使用的方法等方面有所差异。核跟踪算法可分为两类：分别是基于模板和概率密度的外观模型的跟踪，和基于多视角外观模型跟踪。 1 基于模板和概率密度外观模型的跟踪这类方法计算简单，方法直观。根据目标是独立跟踪还是联合跟踪又可分为两个子类。

2011-02-17 15:25:00 3133

原创初九-目标跟踪-点跟踪

点跟踪 跟踪问题可以用帧与帧之间检测到的目标点之间的关系来表达。点之间的关联问题的复杂性特别表现在遮挡、误检测、目标进出画面等情况。 总的来说，点关联的方法可分为两大类：确定性方法和统计性方法。前者通常用定性的运动限制方法，后者用目标检测和不确定性的建模来建立关联。 Deterministic Methods for Correspondence. 确定性的方法定义了在一系列约束条件下，关联t时刻和t-1时刻图像帧中每个目标的成本

2011-02-11 21:53:00 2040 1

原创初八-目标跟踪

目标跟踪的任务是获得目标在连续图像序列中位置随时间变化的轨迹。目标的表达用的都是形状或外观模型。选择的表达模型限制了其可以使用的运动模型或分解方法。比如点表达的目标只能体现平移运动。几何形状表达仿射或投影更加合适。而对非刚性目标，轮廓表达最为合适，可用参数性和非参数型的模型描述其运动。

2011-02-11 20:51:00 1199

原创初七-目标检测-监督学习

监督学习 目标检测中的监督学习方法，指的是在样本集合中通过对不同视角下的目标的训练过程，学习得到不同目标视角下从输入到输出的映射函数。它是一个分类问题，在目标检测中，学习样本由目标特征对河一个相关的目标类别组成。 特征选择是分类问题中的一个重要方面。特征可以是颜色、纹理、形状、轮廓等常用特征，也可以是目标区域、朝向、外观、概率密度、直方图等。 选择特定特征之后，采用合适的学习算法来训练分类器。如神经网络，Adaptive Boosting，决策树，支持向量机等。在多

2011-02-09 21:39:00 1388

原创初六-目标检测-分割

Graph-cut图像分割可以建模为graph-cut问题。图G的顶点V由图像像素点构成；通过剪除加权的边分割为N个不相连的子图。两个子图间被剪除的边的权和称为cut。权值由颜色、光照、纹理等因素计算得到。 Wu and Leahy [1993]提出了最小cut准则，目标是找到能够最小化cut的分割。 Shi and Malik [2000]提出了归一化cut来解决过度分割问题。通常应用在跟踪目标轮廓上；与MeanShift相比，它所需要参数较少，但计算开销和内存开销较大。主动轮

2011-02-09 08:31:00 1135

原创初五-目标检测-背景减除

背景减除对背景建模，然后进行背景减除剩下前景视作所求的目标，也是目标检测的一类方法。背景模型的巨大变化即意味着目标移动。帧间差分是背景减除中的一个经典算法。Wren等人提出用3D高斯函数对固定背景每个像素的颜色I(x,y)建模，I(x,y) ~ N(μ (x,y), Σ(x,y))。其中 μ (x,y)是均值, Σ(x,y)是协方差。这两个数据通过对连续背景帧的观测学习得到。由于颜色对光照敏感，单个高斯函数建模的模型不适用于户外场景。多形态混合统计模型的利用是背景建模的一个重大改进。比如混合高斯模型，非参数

2011-02-08 20:34:00 3554

原创初四-目标检测-点检测

今天应酬比较多，嗯，正事干的比较少。只看了一个sub-section。目标检测：或者在每帧中都进行检测，或者在目标出现时检测。有利用当前帧信息检测的，也有利用连续帧的相关信息检测的。后者最常用的方法是帧间差分。常用的目标检测方法有四类：Point Detector: Moravec's 算子, Harris算子, SIFT算子, Affine Invariant Point DetectorSegmentation: MeanShift, Graph-Cut, Active ContourBackgro

2011-02-08 12:24:00 1721

原创初二-目标表达

目标的表达方式可以有以下几种：点 - 表达为一个点或n个点的集合，适用于目标在图像画面中比例较小的场合基本几何形状 - 通常用矩形或椭圆表达。这种表达方式下目标运动用平移、仿射、投影灯方式建模。适用于刚性目标，非刚性目标亦有应用目标轮廓 - 适用于复杂非刚性目标表达铰链式形状模型 - 由不同部分通过关节连合而成。不同部分的关系通过动态运动模型控制。可以用椭圆来表达整体目标的运动骨架模型 - 可以通过对目标轮廓进行中轴变换提取。该模型可在识别目标时用作形状表达。骨架模型可以用来建模铰链式目

2011-02-08 11:31:00 756

原创初三-跟踪算法的特征选择

图像特征最重要的属性是独特性，能够咋特征空间内方便区分目标。可用于跟踪的特征有颜色、边缘、光流和纹理，或者是其中几种的组合。颜色-最常用的颜色空间是RGB，但它不是均匀分布的；均匀分布的颜色空间是HSV。根据应用选择合适的颜色空间。边缘-边缘通常伴随着剧烈的intensity变化。对比于颜色特征，边缘特征对光照变化不敏感。最流行的边缘检测算法是Canny算子。光流-光流特征是定义区域内每个像素变化的稠密位移向量域。通过计算区域内的光照对比度变化得到。通常应用在基于运动的分割和跟踪上。纹理-纹理是检测

2011-02-08 11:31:00 2027

原创初一-最好的时代

时光进入2011，这是最好的时代。There should be a lot of changes. All directions depends on me!so i wanna record the whole trajectory, all the footprint lead the way, to the best times!今天的主题是新家的智能化设计，以及跟踪综述文章摘记。设计了新家的整体智能化系统，基于传感器网络和多终端远程控制网络。下一步将要落实控制器的设计或选择，以及传感器的参数和选型

2011-02-08 11:30:00 773

lynphoenix的专栏