图像处理之目标跟踪(二)之MOSSE滤波简单梳理

本文简要梳理MOSSE(Minimum Output Sum of Squared Error filter)滤波器在目标跟踪中的应用,源于2010年CVPR上的相关研究。MOSSE利用相关滤波思想,通过时域卷积与频域相乘进行目标匹配。OpenCV 3.4.0已内置TrackMOSSE函数。然而,针对快速运动目标和遮挡情况,该算法可能表现不佳。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

图像处理之目标跟踪(二)之MOSSE滤波简单梳理

       

 

        2010年CVPR,David S.Bolme在文章《visual object tracking using adaptive correlation filters》中首次将相关滤波用在了跟踪领域,其中提出了最小化平方和误差(MOSSE)(Minimum Output Sum of Squared Error filter)滤波器。

         相关滤波的思想:越是相关的两个目标相关值越大,也就是视频帧中与初始化目标越相似,得到的相应也就越大。卷积定理:时域的卷积相当于频域相乘,频域卷积相当于时域相乘。

        

 

        论文中英文对应参考(博主貌似没有翻译完):

        denghe1122         目标追踪——相关滤波追踪论文翻译:Visual Object Tracking using Adaptive Correlation Filters

          

           算法原理讲解:

            autocyz        相关滤波跟踪(MOSSE)     

 

           opencv最新3.4.0版本中已经实现该算法,函数:TrackMOSSE,,具体学习可以参考。这里某种原因,opencv没有升级成功,还是3.2.0,所以在github中寻找到了另外一种版本实现的算法:MOSSE filter。      

 

          最终结果:这个版本的mosse算法,运行速度较快,对于遮挡有一定的鲁棒性,但对于运动过快的目标容易丢失目标,且后续不容易捕捉回来。

 

         

           

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Coming_is_winter

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值