TLD算法学习之L-K光流法理论篇一
来源:互联网 发布:淘宝长尾词2017 编辑:程序博客网 时间:2024/04/30 13:58
在L-K算法提出之前,需要先了解H-S算法,此算法我也已经了解了,包括理论和代码篇,如果需要我会整理上传的。但此处不是我所要写的关键,此处主要谈L-K算法。
L-k算法是在1981年Lucas-Kanade提出来的,开始主要用于求稠密光流,由于该算法能比较好的运用到图像中,后面就发展成为求图像稀疏光流的重要方法。L-K算法需要满足如下3个假设:
1)亮度恒定假设。即假设场景中目标在运动时外观颜色是不变的,也即在图像中的像素在两帧中的亮度保持不变。
2)时间连续或运动是小运动。即图像中物体的运动随时间变化缓慢,在连续的两帧图像间,物体的位移比较小。
3)空间一致性假设。图像中同一物体表面上邻近的像素点的运动是一致的,且这些点一定是聚集在一个区域内的。
假设以M点为中心的灰度区域内的光流均一致,那么对于不同的像素点赋予不同的权值,就可以将光流的计算方程式转化为以下形式:
'
2 0
- TLD算法学习之L-K光流法理论篇一
- TLD算法学习之L-K光流法理论篇二
- TLD之L-K光流算法代码篇
- 目标检测光流法(二):opencv下的光流L-K算法
- 目标检测光流法(二):opencv下的光流L-K算法
- opencv中CalcOpticalFlowPyrLK实现的光流法理解
- TLD算法学习之引言(一)
- TLD学习篇之算法框架
- python光流算法学习
- TLD算法学习
- TLD算法学习
- TLD(Tracking-Learning-Detection)算法学习与源码解析(三)之 tld.cpp源码解析
- TLD算法学习之初窥(二)
- Opencv Python版学习笔记(四)光流跟踪之Gunnar Farneback’s 算法
- 机器学习之K-means算法:深入浅出K-Means算法
- 跟踪算法之:TLD跟踪算法
- TLD(Tracking-Learning-Detection)算法学习与源码解析(一)之算法概述
- 关于L-K跟踪算法的理解
- HTML5图片上传插件
- Java中堆内存和栈内存详解
- 移动端h5 输入框padding-left会导致放大
- C#的可空类型、decimal相关
- 关于SearchView中onQueryTextSubmit方法执行两次的解决方法
- TLD算法学习之L-K光流法理论篇一
- Xcode7 真机调试(无需证书)详解
- dubbo的使用场景
- 批量编辑文本 - 行首行末批量编辑
- 如何将jdk1.8降到jdk1.6
- 【Nodejs】windows下node.js安装教程图文详解
- Java 大作业回忆--day05-- 手机能不能做到和激光笔一样?
- JavaScript判断字符串是否全为数字
- 轉:JAVA多態