SSD,NCC,Lucas-Kanade模板匹配,目标跟踪
SSD
原理:
误差平方和算法
![在这里插入图片描述](https://img-blog.csdnimg.cn/613a37f8942d434497bf0c21ef922546.png)
数值越大相似度越小
实现:
![在这里插入图片描述](https://img-blog.csdnimg.cn/f4c818393a984a4f87778fe5522dc656.png)
结果:
![在这里插入图片描述](https://img-blog.csdnimg.cn/bd6835fd1fcd4ba2892b37ad584984ad.gif)
NCC
原理:
归一化互相关算法
![在这里插入图片描述](https://img-blog.csdnimg.cn/cb57b395825140baa0a852de375cdb04.png)
公式由相关系数方程得到:
相关系数代表两个图像的相关程度。
在[-1,1]绝对尺度范围之间衡量两者的相似性。相关系数刻画了两者之间的近似程度的线性描述。一般说来,越接近于1,两者越近似的有线性关系。
实现:
![在这里插入图片描述](https://img-blog.csdnimg.cn/ba9b87a5fad346f1b4e4396963a87a09.png)
结果:
![在这里插入图片描述](https://img-blog.csdnimg.cn/5fc633e214804d5eb99d4b9c8bbc52da.gif)
Lucas-Kanade
原理:
光流是基于以下假设的:
1在连续的两帧图像之间(目标对象的)像素的灰度值不改变。
2相邻的像素具有相同的运动
图像像素点随时间的变化:
![在这里插入图片描述](https://img-blog.csdnimg.cn/735e4e0926cd4c8db78b7fa0e5cf8dd8.png)
利用泰勒展开,最小二乘法近似,得到光流速度矢量:
![在这里插入图片描述](https://img-blog.csdnimg.cn/cf2b29bdefd64c148319913edfc1ad6b.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/105972040d354b808152f6bf74d6d423.png)
结果:
![在这里插入图片描述](https://img-blog.csdnimg.cn/a7614ff132034b0ea11fef84a88d5d77.gif)