目标识别、目标跟踪算法总结
来源:互联网 发布:linux dma 编辑:程序博客网 时间:2024/04/30 22:51
想自学图像处理的相关知识,正好实验室师兄做过两个关于红外目标跟踪的项目,因此从mean-shift 、SR、RP、PF开始学习。但是查阅资料的时候,发现对各种算法理解非常
利用图像处理算法,实现的功能一般包括:
目标的检测、识别、跟踪。常见的问题包括:人脸检测、人脸识别、目标跟踪等问题。
特征提取
优缺点
应用
全局特征
直方图
灰度/颜色直方图
空间信息缺失,对目标外观改变敏感,如姿态、光照、非刚性形变
直方图+mean-shift
Ø 红外船舰跟踪
颜色特征
HSV/RGB/YCbCr
对目标外观改变敏感,如姿态、光照、非刚性形变
像素值+SR
像素值+PCA
Ø 基于整体法的人脸识别
轮廓特征
局部特征
点特征
Harris
角点检测
SIFT
关键点检测
具有旋转不变、尺度不变、视角不变的特征
SIFT+K-means +SVM
Ø 文字识别
BRISK描述符
CARD描述符
边缘特征
Canny算子
HOG
方向梯度直方图
几何的和光学的形变都能保持很好的不变性
只要行人大体上能够保持直立的姿势,可以容许行人有一些细微的肢体动作,这些细微的动作可以被忽略而不影响检测效果
HOG+SVM
Ø 行人检测(人体检测)
Ø 入侵检测
纹理特征
Gabor变换
LBP
局部二值模式
旋转不变性、灰度不变性
Haar-like
Haar-like
相比于直接使用像素值特征,降低了计算复杂度,极大提升了计算速度
Haar-like+adaboost
Ø 人脸检测
运动特征
光流
SIFT流
目标检测(从图像中找出目标区域)
基于判决式模型
将目标和背景看为二分类的方法
SVM
二分类问题,寻找最大分类间隔
Adaboost
神经网络
基于生成模型
寻找与目标相似度最大的区域
PCA
SR
随机森林
背景建模
混合高斯模型
目标识别(实现目标的分类)
对已知物体类别总数的识别方式我们称之为分类,并且训练的数据是有标签的,比如已经明确指定了是人脸还是非人脸,这是一种有监督学习:从人脸库中识别输入的人脸
其他方法
简化数据
PCA
LDA
SVD
RP
聚类
K-means
如在进行SVM之前,可以对特征进行聚类
- 目标识别、目标跟踪算法总结
- 小目标识别与跟踪算法
- 2016年之前目标跟踪算法总结
- 目标识别与跟踪识别篇---SIFT算法
- 目标识别与跟踪识别篇---SURF算法
- TLD目标跟踪算法
- MeanShift 目标跟踪算法
- 视频目标跟踪算法
- 目标跟踪:CamShift算法
- TLD目标跟踪算法
- 目标跟踪算法 分类
- 目标跟踪算法总汇
- 目标跟踪算法概述
- 目标跟踪算法
- 目标跟踪算法2017
- meanshift目标跟踪总结
- 目标跟踪源码总结
- meanshift目标跟踪总结
- cocos-js里面解决滚动容器没有滚动条的问题
- 你对BIOS了解多少?
- <转载>Dell Inspiron 15 5000 series 设置u盘启动(新版BIOS)
- 互联网金融泡沫下彩票app开发是否也存在泡沫
- set list treeset hashset
- 目标识别、目标跟踪算法总结
- 2017多校训练第一场
- 代码整洁之道
- “DT时代”的十位创业“女侠”: 黑科技不只是男人的专属
- .\output\stm32f103.axf: Error: L6218E: Undefined symbol __aeabi_assert (referred from mqtt.o).
- fragment清除页面数据(重新加载布局)
- hdu 1097 数论
- 动态申请权限
- 从零开始的java连接sqlserver数据库教程