视频跟踪学习总结_第1页
视频跟踪学习总结_第2页
视频跟踪学习总结_第3页
视频跟踪学习总结_第4页
视频跟踪学习总结_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

视频跟踪学习内容总结2011-4-7数字视频跟踪技术的理论前提图像的颜色空间（如何选择？）——HSV颜色空间AVI视频文件的结构（分割方法？）和读取——两类windowsAPI函数：对AVI文件进行操作；对数据流进行操作（数据是否压缩过？）BMP文件（文件格式）的结构和特点等——保存为BMP格式（结构？图像数据矩阵的特点？）运动检测/分割方法背景减除法（BackgroundSubtraction）——背景模型如Kalman滤波（基于预测）、混合高斯模型（基于统计）等。帧间差分（TemporalDifference）光流法（OpticalFlow）：利用光流场基于轮廓的跟踪算法其他方法：EM（ExpectationMaximization）算法、基于数学形态学的场景变化检测算法传统运动检测方法算法的主要优点算法的不足之处背景减除法一般能够提供最完全的特征数据对于动态场景的变化(如光照和外来无关事件的干扰等)特别敏感帧间差分法对动态环境具有较强的自适应性一般不能完全提取出所有相关的特征像素点，在运动实体内部易产生空洞。光流法存在摄像机运动时也能检测出独立的运动目标大多数的光流计算方法相当复杂，且抗噪性能差传统的运动检测方法运动检测算法研究趋势针对性改进（动态背景更新、减少光流场的计算量）；研究新的运动目标检测方法（基于颜色的分割方法、各种背景统计模型、基于知识的目标分割方法等）；融合多种运动检测方法的综合判决方式，如Kim算法即帧差法与背景相减法结合)。☆图像序列跟踪算法（按所用图像信息分类）基于边缘基于背景估计——分块背景估计法基于运动场估计：光流法OFE、块匹配BMA及贝叶斯最大后验概率MAP模型基于团块Blob（图像分割）基于模板匹配（区域跟踪）<hot>基于主动轮廓线/Snake模型基于多摄像机（3D模型）目标跟踪的新算法粒子滤波算法CamShift算法(基于MeanShift的改进)Blob分析SIFT尺度不变特征变换Kalman预估法基于分类器训练的特征匹配法评价指标：跟踪的精确度、算法的复杂度及实时性。常用的两类目标模型基于目标的轮廓特征——精度较高，计算复杂，且抗干扰性差基于目标的颜色特征——鲁棒性强，抗噪性强，且具有良好的抗遮挡性。现有的模板匹配算法固定模板法①归一化互相关法NCC②差的平方和相关法SSD③差的绝对值和相关法SAD可变模板法：适时更新模板（对目标位置做出预测）——预测器的选择？线性/平方/综合逼近基于模板匹配的算法的3个关键环节①图像特征表示（特征提取）②相似度指标计算——常用的相似度指标——如何评价相似度指标匹配性能？Model?③目标搜索算法图像跟踪过程：匹配→修正→预测eg1.足球视频（体育视频）跟踪运动目标检测：1）改进的K均值聚类算法（分割区域）2）Hough变换（提

人人文库> 全部分类> 专业文献 > 医学资料

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论