《基于视频的目标跟踪方法ppt课件.ppt》由会员分享，可在线阅读，更多相关《基于视频的目标跟踪方法ppt课件.ppt（12页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值基于视频的目标跟踪方法资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值MeanShift 算法nMeanShift算法简介n基于MeanShift的目标跟踪算法nMeanShift算法实现过程资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值MeanShift算法简介n基本含义 给定的d维的欧式空间中n个样本点 （n=1,n
2、）在x点的meanshift向量基本形式定义为其中，是一个半径为h的高维球区域，满足以下关系的y点的集合资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值MeanShift算法简介目的：找出最密集的区域Mean Shift矢量矢量资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值基于MeanShift的目标跟踪算法n基于均值漂移的目标跟踪算法通过分别计算目标区域和候选区域内像素的特征值概率得到关于目标模型和候选模型的描述，然后利用相似函数度量初始帧
3、目标模型和当前帧的候选模版的相似性，选择使相似函数最大的候选模型并得到关于目标模型的Meanshift向量，这个向量正是目标由初始位置向正确位置移动的向量。由于均值漂移算法的快速收敛性，通过不断迭代计算Meanshift向量，算法最终将收敛到目标的真实位置，达到跟踪的目的。资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值目标模型的描述n在起始帧，通过鼠标确定一个包含所有目标特征的椭圆，称为被跟踪目标的目标区域，这个目标区域也是核函数作用的区域，区域的大小等于核函数的带宽。n对目标区域进行描述，常用的方法是按照直方图的方
4、式将图像像素的值域等分成m个区间，每个区间按照值域的大小对应一个特征值。然后求出图像的像素值取每个特征值的概率。n对在初始帧图像中目标区域内所有的象素点，计算每个特征值的概率，我们称为目标模型的描述。资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值 通过人工标注的方式在初始帧中确定包含跟踪目标的区域,其中有n个象素用 表示，对选中的区域的灰度颜色空间均匀划分，得到由m个相等的区间构成的灰度直方图,则目标模型概率密度为其中，表示以目标中心为原点的归一化的像素位置；为目标中心坐标；K为核函数。资金是运动的价值，资金的价值是
5、随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值候选模型描述运动目标在第二帧及以后的每帧中可能包含目标的区域称为候选区域，假设在第t帧时，根据第t-1帧的目标中心位置，以为搜索窗口的中心，得到候选目标的中心位置坐标f，计算当前帧的候选目标区域直方图，该区域的像素用表示，则其概率密度为资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值相似性度量相似性函数用于描述目标模型和候选目标模型之间的相似程度，我们使用Bhattacharyya系数作为相似性函数，其定义为：资金是运动的价值
6、，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值MeanShift迭代过程均值漂移的迭代过程，也就是目标位置搜索的过程。为使相似函数最大，对上式进行泰勒展开，Bhattachcyarya系数可近似为：资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值MeanShift迭代过程其极大化过程就可以通过候选区域中心向真实区域中心的MeanShift迭代方程完成：其中，g(x)=-。资金是运动的价值，资金的价值是随时间变化而变化的，是时间的函数，随时间的推移而增值，其增值的这部分资金就是原有资金的时间价值MeanShift算法实现过程1.计算目标模板的概率密度,在当前帧以y0为起点，计算候选目标的特征；2.计算候选目标与目标的相似度；3.计算当前窗口内各点处权值；4.利用MeanShift算法，计算目标新位置：5.若，则停止；否则y0y1转步骤2限制条件：新目标中心需位于原目标中心附近。