51、视觉模型：从跟踪到视觉词的探索

视觉模型：从跟踪到视觉词的探索

1. 跟踪模型概述

跟踪模型在视觉领域有着广泛的应用，它能够利用估计的时间连贯性，在时间序列中估计一组连续参数。其应用场景丰富多样，包括行人跟踪、轮廓跟踪、点跟踪、3D 手模型和 3D 身体模型跟踪等，还可用于活动识别、深度估计、同时定位与地图构建（SLAM）以及对象识别等任务。

• 跟踪模型的类型

  • 卡尔曼滤波器（Kalman Filter） ：由 Kalman（1960）和 Kalman 与 Bucy（1961）最初开发，是一种经典的线性最优估计方法。
  • 无迹卡尔曼滤波器（Unscented Kalman Filter） ：由 Julier 和 Uhlmann（1997）开发，用于处理非线性系统。
  • 凝聚算法（Condensation Algorithm） ：由 Blake 和 Isard（1996）提出，可用于跟踪轮廓等。

• 标准卡尔曼滤波器的变体 ：有大量标准卡尔曼滤波器的变体，许多涉及在不同状态空间模型之间切换或传播混合模型。例如，基于 GPLVM 的非线性跟踪算法（Wang 等人，2008）。

• 跟踪模型的参数学习 ：在实际应用中，跟踪模型的参数通常手动设置，但也有相关文献探讨了参数学习的方法，如 Shumway 和 Stoff