于书盼的博客

http://blog.youkuaiyun.com/wenglee_918/article/details/34422939 http://www.cnblogs.com/yangyangcv/archive/2010/05/23/1742263.html 1. 基本思想 粒子滤波（wiki）本质上是一种表示概率分布的方法，思想和蒙特卡洛方法（wiki）近似。蒙特卡洛方法是用频率来近似概率，而

对此算法的关注来自2017研究生数学建模D题问题五。 问题5：如何通过从不同角度同时拍摄的近似同一地点的多个监控视频中（如图3所示）有效检测和提取视频前景目标？请充分考虑并利用多个角度视频的前景之间（或背景之间）相关性信息（一些典型视频可从 http://cvlab.epfl.ch/research/surv/multi-people-tracking下载） 图3 在室内同一时间从不同角

高斯混合模型（Gaussian Mixture Model，简称GMM）是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。通俗点讲，无论观测数据集如何分布以及呈现何种规律，都可以通过多个单一高斯模型的混合进行拟合。1、对图像背景建立高斯模型的原理：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以以为

光流的概念于1950年由Gibson首先提出，所谓光流就是指图像表现运动的速度。物体在运动的时候之所以能被人眼发现，就是因为当物体运动时，会在人的视网膜上形成一系列的连续变化的图像，这些变化信息在不同时间，不断的流过眼睛视网膜，就好像一种光流过一样，故称之为光流。1、光流法检测运动物体的原理光流法检测运动物体的原理：一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的

转载 转自：http://blog.chinaunix.net/uid-26694208-id-3184442.html 1、简单说明 在学习卡尔曼滤波器之前，首先了解一下卡尔曼。卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都布达佩斯。1953，1954年于麻省理工学院分别获得电机工程学士及硕士学位。1957年于哥伦比亚大学获得博士学位。我们现在要学习

尺度不变特征转换(Scale-invariant feature transform或SIFT)是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的发展和完善。Sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。1、SIFT算子特性Sift算子具有以下特性： (1)、Sift特征是图像的局部特征，对平移、旋转、尺度缩

ViBe算法：ViBe - a powerful technique for background detection and subtraction in video sequences 算法官网：http://www2.ulg.ac.be/telecom/research/vibe/ViBe算法是”Visual Background Extractor”的缩写。它是一种像素级视频背景建模算法。