计算机视觉学习 目标跟踪学习1

 

计算机视觉核心主要包括目标检测、目标识别和目标跟踪。

目标检测是利用不同种类物体具有不同特征这一特性将某类物体在视频图像中检测出来，

而目标识别问题则更为具体，其是将同一种类中的不同个体进行识别区分，目标检测和识别在机器学习领域都属于分类问题。

在智能系统中，还有一个目标跟踪问题，与检测和识别问题不同，目标首先被识别以后，算法或者系统需要在接下来时序的数据中，快速并高效地对给定目标进行再定位。任务需要区别类似目标，需要避免不要的重复计算，充分利用好时序相关性，并且需要对一些简单的变化鲁棒，必须能够适应旋转，遮挡，尺度改变之类的线性或者非线性变化。

目标跟踪算法一般分为   特征提取，目标模型，目标搜索，模型更新的四个部分

特征提取    对目标外观进行有效的描述

目标模型；目前算法筒仓将目标模型分为两类  生成式和判别式

目标搜索 ；常用的搜索方法有梯度下降，卡尔曼滤波，均值偏移等

模型更新 及时对目标模型进行调整，使能稳定适应目标和背景的变化

 

判别式算法的本质是分类    ，以确定的目标和背景图像为样本，训练得到一个分类器，用该分类器来判别后续帧中的目标和背景。