Robust Fragments-based Tracking using the Integral Histogram个人笔记

最新推荐文章于 2019-02-21 21:08:32 发布

菜菜丶

最新推荐文章于 2019-02-21 21:08:32 发布

阅读量249

点赞数

CC 4.0 BY-SA版权

分类专栏：论文笔记

本文链接：https://blog.youkuaiyun.com/m0_37973735/article/details/84038510

本文介绍了一种改进的碎片式目标跟踪方法，通过将目标模板分解为多个补丁并使用积分直方图比较其相似性，以提高跟踪效果并减少漂移。采用EMD（Earth Mover's Distance）评估补丁间的差异，并通过设置阈值和选择最佳得分的补丁组合来增强鲁棒性，适应形变和遮挡情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

简介

本文介绍了一种新的碎片式的目标跟踪方法。这种方法比起常用Mean Shift跟踪方法效果更好，且没有漂移的情况。

模型

在这里插入图片描述
基本模型如上图所示，其中：
I为当前的图像，即为当前目标所在的框架范围。
O表示物体（T中绿点即为物体位置）。
T为模板，用来对比（可用第一帧的图像作为模板）。
贴片（Patch）即为碎片选框。
紫色圈表示提前估计的目标位置范围，X₀Y₀表示目标位置，r表示范围。
设P_T（dx dy h w），其中dxdy表示贴片中心距离目标中心xy的距离，h和w表示贴片框的半高和半宽。P_I是P_T在图像I中的对应矩形框，中心为（X+dx Y+dy）。设*d(Q P)*用来衡量区域Q与P之间的相似性，我们定义：
在这里插入图片描述
当点（X Y）在假设的圆形范围内移动时，P_I同样发生变化，我们得到了一张Vote map。那么我们如何衡量相似性呢？