MedianFlow跟踪算法
来源:互联网 发布:淘宝链接突然间没有了 编辑:程序博客网 时间:2024/06/05 21:55
算法简介
该算法其实不能称作一个单独的算法,他属于TLD跟踪算法中Tracking部分。它基于LK光流跟踪算法,并使用FB(正向/反向评估点追踪质量的一种方法)、NCC交叉验证进行反馈。
ForwardBackward error(正向/反向错误率)
对点追踪,我们给定一个图像序列,给定一个时刻t,我们需要定位该点在时刻t+1时的位置。
设S=( I[t] , I[t+1] , … , I[t+k] )是一个图像序列。
Forward
点在t时刻的位置为x[t],使用跟踪算法,向前(forward)跟踪k步。得到一个forward trajectory(轨迹),T[k,f]=( x[t] , x[t+1] , … , x[t+k] ),其中f代表forward,k是向前k个序列。
Backward
建立一个validation trajectory(验证轨迹),点x[t+k]向backward(后)跟踪到x[t],产生一个验证轨迹 T[k,b] = (x`[t] , x`[t+1] , … , x`[t+k] ),在这里x`[t+k]=x[t+k]。
error 暂时翻译成误差率
Forward-Backward Error 被定义为两个轨迹的距离,欧式距离。
算法核心
使用LK跟踪算法,并用FB验证和NCC验证,过滤掉bounding box中质量最差的点的50%,对于剩下的点,物体边界盒的位移估计是建立在中值上计算的,故称为Median(中值)Flow。
尺寸变化
(1)对于每一对点,都有一个比例,是当前点和前一阵点的距离比例。
(2)边界框的尺寸变化被定义为这些比例的中值。
阅读全文