目标跟踪
二姐不想去实验室
程序媛一枚,哈哈~~~~~
展开
-
structed_structured output tracking with kernels
http://blog.csdn.net/ikerpeng/article/details/39525321http://blog.csdn.net/qianxin_dh/article/details/39377959转载 2014-11-25 19:22:33 · 856 阅读 · 0 评论 -
关于卡尔曼滤波和粒子滤波最直白的解释
http://blog.csdn.net/karen99/article/details/7771743 这篇文章讲的挺好的,卡尔曼滤波器那块:卡尔曼滤波本来是控制系统课上学的,当时就没学明白,也蒙混过关了,以为以后也不用再见到它了,可惜没这么容易,后来学计算机视觉和图像处理,发现用它的地方更多了,没办法的时候只好耐心学习和理解了。一直很想把学习的过程记录一下,让大家少走弯转载 2014-12-16 16:06:55 · 676 阅读 · 3 评论 -
粒子滤波一
粒子滤波:是指通过寻找一组在状态空间中传播的随机样本对概率密度进行近似,以样本均值代替积分运算,从而获得状态最小方差估计的过程,这些样本即称为" 粒子 "。用数学语言描述就是:对于平稳的随即过程,假定 k-1 时刻系统的后验概率密度为依据一定原则选取 n 个随机样本点,k 时刻获得测量信息后,经过状态和时间更新过程, n 个粒子的后验概率密度可以近似为。 随着粒子数目的增加,粒子的概率原创 2014-12-16 16:49:49 · 1166 阅读 · 0 评论 -
目标跟踪__好的网站
http://ive.sjtu.edu.cn/contact2.php转载 2015-05-25 20:47:59 · 393 阅读 · 0 评论 -
matlab之pdf 概率密度函数
http://www.cnblogs.com/djcsch2001/archive/2012/01/31/2333960.html转载 2015-12-08 16:51:50 · 14114 阅读 · 0 评论 -
目标跟踪 CVPR2013
http://blog.csdn.net/gxf1027/article/details/8650878转载 2015-11-26 18:53:25 · 538 阅读 · 0 评论 -
结合opensift源码详解sift
一.算法介绍SIFT算法(Scale-Invariant feature transform,尺度不变特征变换)通过在图像中提取独特性不变特征,可以实现物体或场景在不同视角下的可靠匹配。其提取的特征对于图像缩放、旋转和一定范围内的三维仿射变换、噪声叠加、光照变化均具有不变性。由于特征的高度独特性,场景中的每一个特征都有很大的可能在由多幅图像提取的特征数据库中得到正确的匹配结果。因此使用转载 2014-08-20 15:03:10 · 1062 阅读 · 0 评论