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://i-blog.csdnimg.cn/blog_migrate/63fa40dcb423a6536f9d4b6ab814ab43.png)
数值越大相似度越小
实现:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/136a856d21938cb3f66de66fab49ee99.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://i-blog.csdnimg.cn/blog_migrate/f2cd8ca27b31ce8b4ddffb4fb0bd03d3.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://i-blog.csdnimg.cn/blog_migrate/ed376a140e31525e4c46f35a86e97956.png)
结果:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/7296205334ddb54a7025726609034848.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://i-blog.csdnimg.cn/blog_migrate/ea2d760daffe24e289bdd525016c8542.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://i-blog.csdnimg.cn/blog_migrate/c740dd1d9019ab2adac9dd441e1b4c18.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/f5d4ce93f74d5ad9e0591b364254436a.png)
结果:
![在这里插入图片描述](https://img-blog.csdnimg.cn/a7614ff132034b0ea11fef84a88d5d77.gif)