本文介绍了OpenCV中的目标跟踪，重点讲解了角点作为跟踪特征点的概念及其重要性。文章详细阐述了Harris角点检测算法，包括自相关函数、响应函数和亚像素角点的检测，并提到了OpenCV中的cvGoodFeaturesToTrack()函数在实际应用中的示例。通过调整参数，读者可以优化角点检测效果。
这两天在看OpenCV中的跟踪与运动这一块，跟踪和运动是一个很大的课题，里面的涉及的内容有很多，按着自己的学习进度上，简要的做个总结。
在我们处理一段视频而非某张静止的图片时，我们往往会去关注画面中的一个或者几个物体。对运动的物体的关注，我们处理的方式往往不是将整个物体都作为关注对象，而是选取几个独特的特征点去跟踪，这样我们就引出了角点的概念。
（1）角点
角点在运动与跟踪的研究中，就是说可以拿来作为跟踪的特征点都被称为角点。通俗直观的解释就是，一类含有足够信息且能从当前帧和下一帧中都能提取出来的点。
（2）角点的具体描述
a.一阶导数的局部最大所对应的像素点；
b.两条及两条以上边缘的交点；
c.图像中梯度值和梯度方向的变化速率都很高的点；
d.角点处的一阶导数最大，二阶导数为0，指示物体边缘变化不连续的方向。
（3）Harris角点检测算法简述
Harris角点检测算子是依据自相关函数给出的，得出了矩阵M，矩阵M中的特征值是自相关函数的一阶曲率，如果一阶曲率都很高的话，那么就可以认为这个是特征点。
下面给出图来直观的解释下：
图（a）是窗口在图像的平滑区域滑动，窗口在各个方向上没有变化，图（b）窗口在边缘方向上没有变化，图（c）窗口在各个方向上有变化，此时即为角点。
Harris角点的检测，相对于一幅图像来看，主要和自相关函数的曲率特性有关。自相关函数描述了局部图像灰度的变化程度，主要可以表示为：
上式中，E是窗口平移产生的图像灰度变化，也即是自相关函数，w是窗口，I是图像灰度。对上式进行展开即有：
其中
而对于小的偏移：
最低0.47元/天 解锁文章
扫一扫
3485
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
