撒哈拉之心的博客

如果转载了本文，也请注明转载出行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。从2005年以来行人检测进入了一个快速的发展阶段，但是也存在很多问题还有待解决，主要还是在性能和速度方面还不能达到一个权衡。近年，以谷歌为首的自动驾驶技术的研发正如火如荼的进行，这也迫切需要能对行人进行快速有效的检测，以保证自动驾驶期间对行人的安全不会产生威胁。1   行

We have tested 29 publicly available visual trackers. The trackers are listed in chronological order.http://cvlab.hanyang.ac.kr/tracker_benchmark/benchmark.html

有关颜色属性的paper和code：http://www.cat.uab.cat/downloads/

转载自：http://blog.sina.com.cn/s/blog_4b700c4c01017wz5.html一、引言：在需要监控的环境里，如何能够判断出进入特定区域的目标，并且能够跟踪目标的轨迹。分为两种情况：一是静态背景下的目标跟踪；二是动态背景下的目标跟踪。二、静态背景下的目标跟踪方法1、单目标：目标跟踪还可以分为单目标的跟踪和多目标的跟踪。单目标的静态背景下的目标

1. SIFT算法中一些符号的说明I(x,y)I(x,y)表示原图像。G(x,y,σ)G(x,y,σ)表示高斯滤波器，其中G(x,y,σ)=12πσ2exp(−(x2+y2)/2σ2)G(x,y,σ)=12πσ2exp(−(x2+y2)/2σ2)。L(x,y,σ)L(x,y,σ)表示由一个高斯滤波器与原图像卷积而生成的图像，即L(x,y,σ)=G(x,y,σ)⊗I(x,y)

FAST特征点检测Features From Accelerated Segment Test1. FAST算法原理      博客中已经介绍了很多图像特征检测算子，我们可以用LoG或者DoG检测图像中的Blobs（斑点检测），可以根据图像局部的自相关函数来求得Harris角点（Harris角点），后面又提到了两种十分优秀的特征点及它们的描述方法SIFT特征与SURF特

TLD算法介绍，TLD论文翻译http://www.thinkface.cn/thread-3119-1-1.html(出处: thinkface论坛)跟踪-学习-检测摘要：这篇论文研究了视频流中未知目标的持久跟踪。目标是通过某一帧的位置范围（如矩形框）来定义的。在后续帧，任务就是确定目标框或者指示目标是不可见的。我们提出一个新奇的跟踪框架（TLD），其将持久跟踪任务分解为跟踪

在图像处理中有两个常用的相关算法，这就是积分图像(Integral Image)和积分直方图(Integral Histogram)，本文来讲解这两个算法的基本原理。  在本文中主要以灰度图像来讲解。一个图像内矩形区域的积分是指这个矩形区域内所有灰度值的和，如图所示：Image)与积分直方图 (Integral Histogram)" title="积分图像(Integral