单目标追踪——【手工特征和深度特征】

原创 已于 2022-06-10 10:50:16 修改 · 3k 阅读 · 21 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #人工智能

于 2022-06-06 22:46:31 首次发布

梳理思路：

写在前面

最近看了几篇单目标追踪领域的综述论文，想着对单目标追踪领域的经典论文按照时间线进行梳理一下，以便能快快找到现在单目标追踪的研究热点，未来方向。总的是从【相关滤波】和【孪生网络】两个框架为中心进行梳理。此篇先梳理一下目标追踪领域的一些常用特征。

在梳理框架前，首先关注一下在单目标领域中常用的特征。有时，虽然CNN特征应用广泛，但是CNN特征也花费了较大的时间成本，所以在实际的算法落地时，CNN中看不中用。反而应用HOG特征、CN特征的追踪器也能在保证追踪效果不下降太多而达到高fps。

手工特征

HOG（梯度特征）——基于形状边缘特征的描述算子

论文来源：Histograms of Oriented Gradients for Human Detection
参考博客：行人检测之HOG
80行Python实现-HOG梯度特征提取

HOG算法思想：
在计算机视觉以及数字图像处理中梯度方向直方图(HOG)是一种能对物体进行检测的基于形状边缘特征的描述算子，它的原理是在HOG特征描述符中，梯度方向的分布，也就是梯度方向的直方图被视作特征。图像的梯度(x和y导数)非常有用，因为边缘和拐角(强度突变的区域)周围的梯度幅度很大，并且边缘和拐角比平坦区域包含更

最低0.47元/天 解锁文章
【深度学习】（四）目标检测——上篇
weixin_45355387的博客
08-12 2806
上一章介绍了图像分类，这一章来学习一下目标检测上篇。简单来说，需要得到图像中感兴趣目标的类别信息和位置信息，相比于分类问题，难度有所提升，对图像的描述更加具体。在计算机视觉众多的技术领域中，目标检测（Object Detection）也是一项非常基础的任务，图像分割、物体追踪、关键点检测等通常都要依赖于目标检测。......
深度 Qlearning：在视觉目标追踪领域的应用
AI天才研究院
06-07 765
1.背景介绍 在计算机视觉领域，目标追踪是一项重要的任务，它的目标是在视频序列中连续地定位特定目标的位置。传统的目标追踪方法通常依赖于手工设计的特征和复杂的模型，但这些方法在处理实际世界中的复杂情况时往往效果不佳，例如目标的外观变化、遮挡、光照变化等。因此，如何设计一个能够自适应地处理这些复杂情况的目标追踪算法是一个重要的研究课题。 近年
论文笔记：目标追踪-CVPR2014-Adaptive Color Attributes for Real-time Visual Tracking
Hling's Blog
03-16 1万+
基于自适应颜色属性的目标追踪 Adaptive Color Attributes for Real-Time Visual Tracking 基于自适应颜色属性的实时视觉追踪   这是CVPR2014年的文章。名字翻译为基于自适应选择颜色属性的实时视觉跟踪。首先理解什么是Adaptive color attributes，文章中colorattributes把颜色分为11类，就是将RG
Color Names 特征提取 （Learning Color Names for Real-World Applications）
Keeplearning
05-27 6623
目标跟踪算法里面有很多都用到了CN颜色特征，这里是论文 Learning Color Names for Real-World Applications 中提出的颜色特征的提取方法，应该很多论文用的都是这种方法。 从网上看到一个研究颜色特征的网站：http://www.cat.uab.cat/downloads/里面有很多颜色特征的论文和代码。 2009年的论文 J. van de Weijer, C. Schmid, J. J. Verbeek, and D. Larlus. Learning colo
HOG特征（Histogram of Gradient）总结
qq_37791134的博客
08-04 7312
在做的项目有用到HOG+SVM这一方面的知识,虽然很久之前的内容了，所以记录一下。 1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获...
传统手工特征&&深度特征【转载】
Jensen Lee的博客
05-14 2万+
基本概念 Hand-crafted:hand-crafted方法就是人工设计的一步步能够说出理由来的方法。 End-to-end: 即端到端方法，意思是只有输入端和输出端，当中不需要设计和具体算法，就是一个神经网络。输入原始数据，输出结果即可。 特征提取是CV领域核心问题之一（之二自然是分类问题，没有之三~），特征提取从思路上有两大类：一类是手动设计（hand crafted）的方式，一类是纯学习的方式，这两种方式都是在某些生物神经理论的基础下进行的， 不同之处是hand crafted的方式设计的是特征本
【深度学习】神经网络中的特征融合方式（add/concate）
weixin_44001371的博客
11-02 1万+
是通道数叠加，描述图像本身的特征增加了，而。为简单的像素叠加，；add后描述图像的，但是描述图像的维度本身并没有增加，只是，这显然是对最终的图像的分类是有益的。特征add的时候就是增加特征的，特征concat的时候就是增加特征的注重细节的时候使用add，注重特征数量的时候使用concat。
单目标追踪——【相关滤波】领域发展时间线及典型论文+传统相关滤波和基于深度学习的相关滤波简介
qq_42312574的博客
07-02 1813
对单目标追踪中相关滤波的框架梳理：传统和基于深度学习。
第2篇：数据预处理——清洗、转换与特征工程
最新发布
加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。
03-06 815
数据预处理是AI和机器学习项目中不可或缺的一步。通过数据清洗、转换和特征工程，可以显著提升数据的质量和模型的性能。希望本文的代码示例和注意事项能帮助你在实际项目中更好地处理数据。接下来，我们将继续深入机器学习的基础知识，探索线性回归与逻辑回归的应用。
关于手工特征和深度特征
qq_43231646的博客
06-25 1912
关于手工特征和深度特征
目标跟踪算法KCF融合HOG+CN特征，matlab代码
03-24
将MD大神提出的CN特征融合到KCF中，采用的是简单的线性相加。里面的有的注释谷歌翻译的，可以无视
深度特征融合---高低层（多尺度）特征融合
热门推荐
xys430381_1的专栏
03-09 13万+
在很多工作中，融合不同尺度的特征是提高分割性能的一个重要手段。低层特征分辨率更高，包含更多位置、细节信息，但是由于经过的卷积更少，其语义性更低，噪声更多。高层特征具有更强的语义信息，但是分辨率很低，对细节的感知能力较差。如何将两者高效融合，取其长处，弃之糟泊，是改善分割模型的关键。 空洞卷积 高低层特征直接concat 融合特征的SSD：对小目标的快速检测 FSSD: Feature Fusion...
【特征检测】HOG特征算法
hujingshuang
08-07 8万+
简介        HOG（Histogram of Oriented Gridients的简写）特征检测算法，最早是由法国研究员Dalal等在CVPR-2005上提出来的，一种解决人体目标检测的图像描述子，是一种用于表征图像局部梯度方向和梯度强度分布特性的描述符。其主要思想是：在边缘具体位置未知的情况下，边缘方向的分布也可以很好的表示行人目标的外形轮廓。        Dalal等提出的HOG+...
传统手工特征--opencv
智障变智能
07-31 9482
一，颜色特征： 简单点来说就是将一幅图上的各个像素点颜色统计出来，适用颜色空间：RGB，HSV等颜色空间， 具体操作：量化颜色空间，每个单元（bin）由单元中心代表，统计落在量化单元上的像素数量 量化颜色直方图（HSV空间） 缺点：稀疏，量化问题 聚类颜色直方图： 适用颜色空间：Lab等颜色空间 操作：使用聚类算法对所有像素点颜色向量进行聚类 单元（bin）由聚类中心代表 ...
目标跟踪介绍（单目标）
aaaaaaabmm的博客
06-21 2万+
Abstract 视觉跟踪技术是计算机视觉领域（人工智能分支）的一个重要课题，有着重要的研究意义；且在军事制导、视频监控、机器人视觉导航、人机交互、以及医疗诊断等许多方面有着广泛的应用前景。随着研究人员不断地深入研究，视觉目标跟踪在近十几年里有了突破性的进展，使得视觉跟踪算法不仅仅局限于传统的机器学习方法，更是结合了近些年人工智能热潮—深度学习（神经网络）和相关滤波器等方法，并取...
opencv3/C++单目标跟踪
akadiao的博客
01-05 4900
opencv3的tracking部分在opencv_contrib中，需要用CMake对其进行编译后才能使用。 Tracker类： create //通过名称创建一个跟踪器。 create( const String& trackerType//要使用的跟踪器算法的名称。 ); init //使用围绕目标的边界框初始化跟踪器 init( const Mat& image, //初始帧
特征融合的分类和方法
橙子的博客
03-01 3万+
1、特征融合的定义 特征融合方法是模式识别领域的一种重要的方法，计算机视觉领域的图像识别问题作为一种特殊的模式分类问题，仍然存在很多的挑战，特征融合方法能够综合利用多种图像特征，实现多特征的优势互补，获得更加鲁棒和准确性的识别结果。 2、特征融合的分类 按照融合和预测的先后顺序，分类为早融合和晚融合（Early fusion and Late fusion） 早融合（Early fusion）：就是在特征上进行融合，进行不同特征的连接，输入到一个模型中进行训练。（先融合多层的特征，然后在融合后的特征
目标追踪------HOG特征和KL散度
杨杨子江的博客
09-18 581
实验目的：进行目标追踪 实验过程： 1、使用HOG特征来表示要追踪的目标 2、根据目标在上一帧中的位置，来选定当前帧的可能位置，已此位置为圆心，step为半径获取一系列的候选目标。利用目标的移动历史数据推测出目标的移动方向，然后再推测树圆心。 3、用HOG特征表示候选目标。计算候选目标与追踪目标的相似度。相似度的计算使用KL散度 4、得到当前帧中追踪目标的位置，更新数据 5、重复2-4步 实验工具...
python dlib学习（四）：单目标跟踪
hongbin_xu的博客
10-26 1万+
前言dlib提供了dlib.correlation_tracker()类用于跟踪目标。 官方文档入口：http://dlib.net/python/index.html#dlib.correlation_tracker 不复杂，就不介绍了，后面会直接给出两个程序。程序1# -*- coding: utf-8 -*- import sys import dlib import cv2tracker
基于深度学习的目标跟踪算法原理
01-05
此外，还有一些研究探索了端到端可微分框架的设计思路，试图直接从原始像素输入中习得完整的追踪逻辑而不依赖手工设计规则。 #### 3.5 实例化说明 - SORT算法 作为一类典型的在线实时跟踪方案，SORT采用了较为简单...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值