SSD，NCC，Lucas-Kanade模板匹配，目标跟踪

最新推荐文章于 2023-09-04 22:53:01 发布

.南风.

最新推荐文章于 2023-09-04 22:53:01 发布

阅读量1.3k

点赞数 1

文章标签：目标跟踪人工智能计算机视觉

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。

本文链接：https://blog.csdn.net/weixin_46582817/article/details/125340351

版权

SSD，NCC，Lucas-Kanade模板匹配，目标跟踪

SSD
NCC
Lucas-Kanade
- 原理：
- 结果：

SSD

原理：

误差平方和算法
在这里插入图片描述

数值越大相似度越小

实现：

在这里插入图片描述

结果：

在这里插入图片描述

NCC

原理：

归一化互相关算法
在这里插入图片描述

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

结果：

在这里插入图片描述

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

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

结果：

在这里插入图片描述

关注

1
点赞
踩
6

收藏

觉得还不错? 一键收藏
1
评论
SSD，NCC，Lucas-Kanade模板匹配，目标跟踪

误差平方和算法数值越大相似度越小归一化互相关算法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。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：利用泰勒展开，最小二乘法近似，得到光流速度矢量：...
复制链接

扫一扫

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。