meanShift与CamShift算法

本文深入探讨了MeanShift跟踪算法的基本思想与物理意义,重点介绍了如何通过引入核函数和权重系数来提高算法的鲁棒性和搜索跟踪能力。文章详细解释了核函数在平滑过程中的作用,并列举了几种常见的核函数类型,如Uniform、Epannechnikov和Gaussian。此外,还阐述了如何计算目标的直方图,并在每一帧上进行反向投影以实现均值漂移的计算。

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

1.

MeanShift的基本思想及物理意义:

     从公式(1)中可看出,落入Sh的采样点,无论其离中心x的远近,对最终Mh(x)计算的贡献是一样的。但在现实跟踪过程中,当跟踪目标出现遮挡等影响时,外层的像素值容易受遮挡或背景的影响,所以目标模型中心附近的像素比靠外的像素更可靠。对于所有采样点,每个样本点的重要性应该是不同的,离中心点越远,其权值应该越小。故引入核函数和权重系数来提高跟踪算法的鲁棒性并增加搜索跟踪能力。

核函数:

 核函数也叫窗口函数,在核估计中起到平滑的作用。常用的核函数有:Uniform,Epannechnikov,Gaussian等。

 

 

这些小黑点是怎么计算得到的:

首先需要设定跟踪目标,计算它的直方图,在每一帧上对目标进行反向投影来计算均值漂移。

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
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