本文介绍了粒子滤波在目标追踪中的应用，重点讨论了《Locally Orderless Tracking》算法。通过蒙特卡洛方法和重要性采样，解决在未知分布下进行采样的难题。地球移动距离(EMD)被用于计算模板与候选位置的相似度，作为计算权重的一种手段。在实际应用中，EMD衡量了使两个图像直方图一致所需的最小代价，为图像检索和目标追踪提供了一种有效度量。
1.先验概率、后验概率和似然
2.蒙特卡洛方法（Monte Carlo method）和粒子滤波（particle filtering）
蒙特卡洛采样：根据待估计的量X的概率分布（后验概率）进行采样
蒙特卡洛方法：在采集了N个样本之后，如果要求X的均值，那么可以直接对采集的N个样本 求平均计算出的值来代替样本的均值，当N足够大的时候，平均值的与均值的近似度越高，误差越小。
粒子滤波：把蒙特卡洛采样的样本点当做一个粒子，按照蒙特卡洛方法对粒子进行平均，获得粒子滤波后的结果
但是这样的方法存在一个缺点：不知道X的分布，即不知道后验概率的分布，那么要进行如何采样呢
粒子滤波还可以进行加入噪声，使得结果更加的趋于稳健
重要性采样：根据一个已知的分布去采样，就有期望为：
重要的是引入了权重的概念，上面Wk(Xk)就是采样点的权重，引入权重之后，根据
最低0.47元/天 解锁文章
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
