运动目标追踪实现(opencv3)(二)
发布时间:2018-10-24 17:29,
浏览次数:418
, 标签:
opencv
运动目标的追踪
最近刚开始做目标追踪,理解的还不成熟,博客有错处,欢迎在评论区指出。
有许多博主实现追踪用的卡尔曼方法,具体原理可以看一下这个 :
http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/
这个https://blog.csdn.net/heyijia0327/article/details/17487467#commentBox
这个图很清楚的能讲明白了。
另外,从大的角度去讲,针对跟踪有三种跟踪算法,分别是:点跟踪,核跟踪,轮廓跟踪。
点跟踪:
这类方法通常在连续帧中检测到的目标被表达为点。再引入其它方法来进行目标检测。其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。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。(1)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。关联成本的最小化规划为一个优化组合问题。可以用最优分配方法求解,如匈牙利算法,贪婪搜索算法。(2)统计性方法在目标状态估计中考虑了观测噪声和模型不确定性,用状态空间方法建模速度、位置、加速度等目标属性。对于单个目标的情况,状态可简单估计得到;对于多目标的情况,则需要将观测域相应目标对应起来。
对于单目标状态估计:如果状态转移