【目標跟蹤+光流算法】運動跟蹤合集

https://blog.csdn.net/App_12062011/category_6269524.html

作者: Eason.wxd

我是Eason,我喂自己袋鹽...

• 轉載 運動目標跟蹤（十五）--WMIL跟蹤

  原文：http://blog.csdn.net/ikerpeng/article/details/20703421文章：Real-time visual tracking via online weighted multiple instance learningKaihua Zhang,  Huihui SongDepartment of Computing, The Hon
  2016-08-18 12:25:17   6772   0

• 原創 運動目標跟蹤（八）--時空上下文(STC)跟蹤原理

  原文：http://blog.csdn.net/qianxin_dh/article/details/39135189一.前言         《Fast Tracking via Spatio-Temporal Context Learning》是Kaihua Zhang等人發表的一篇文章，文中提到了通過利用時空上下文進行視覺跟蹤，具有很好的實時性和魯棒性。該算法基於
  2016-08-16 09:36:17   11545   0

• 轉載 運動目標跟蹤（十一）--CN及CSK跟蹤原理

  原文：http://blog.csdn.net/hlinghling/article/details/44308199基於自適應顏色屬性的目標追蹤Adaptive Color Attributes for Real-Time Visual Tracking基於自適應顏色屬性的實時視覺追蹤 3月講的第一篇論文，個人理解，存在很多問題，歡迎交流！這是CVPR2014
  2016-08-17 11:48:24   17493   5

• 轉載 運動目標跟蹤（十六）--OAB，SemiT,BSBT跟蹤

  原文：http://blog.csdn.net/ikerpeng/article/details/18985573文章：on-line boosting and vision  Grabner, H. ; Graz University of Technology ; Bischof, H. CVPR, 2006 IEEE Computer Society Conferen
  2016-08-18 16:36:37   7292   0

• 轉載 光流（八）--總結篇

  感覺光流這東西，在不考慮時間的情況下，應該是蠻靠譜的，后期發展主要是在算法加速上。一方面是是軟件級，另一個是GPU級。以后實際用到在仔細研究吧。這有個推導整理，mark下:http://www.cnblogs.com/quarryman/p/optical_flow.html
  2016-07-17 12:19:30   7416   0

• 轉載 光流（七）--Brox算法（DeepFlow）

  原文：http://www.cnblogs.com/dzyBK/p/5096860.html參考論文：1. High Accuracy Optical Flow Estimation Based on a Theory for Warping, Thomas Box, ECCV20042. Beyond Pixels Exploring New Representations
  2016-07-15 12:06:27   11527   1

• 轉載 光流（四）--Kanade-Lucas-Tomasi(KLT)目標跟蹤

  原文：http://www.cnblogs.com/moondark/archive/2012/05/12/2497391.html近來在研究跟蹤，跟蹤的方法其實有很多，如粒子濾波（pf）、meanshift跟蹤，以及KLT跟蹤或叫Lucas光流法，這些方法各自有各自的有點，對於粒子濾波而言，它能夠比較好的在全局搜索到最優解，但其求解速度相對較慢，由於其是基於顏色直方圖的計算，所以對相同顏
  2016-07-11 15:02:44   10765   1

• 轉載 光流（二）--光流算法

  原文：http://www.cnblogs.com/gnuhpc/archive/2012/12/04/2802124.html簡介：在計算機視覺中，Lucas–Kanade光流算法是一種兩幀差分的光流估計算法。它由Bruce D. Lucas 和 Takeo Kanade提出。光流的概念:(Optical flow or optic flow)它是一種運動模式，這種運動模
  2016-07-11 11:35:54   8229   0

• 轉載 光流（一）--綜述概覽

  http://www.rosoo.net/a/201403/16937.html
  2015-09-14 10:49:54   10625   0

• 原創 光流（三）--LK算法改進（金字塔LK）

  LKDemo直接在OpenCV  samples里。原文：http://blog.csdn.net/u014568921/article/details/46638557另外一篇：http://blog.csdn.net/gh_home/article/details/51502933光流是圖像亮度的運動信息描述。光流法計算最初是由Horn和Schunck於1981年提出的，創造性...
  2016-07-11 14:57:48   25644   7

• 轉載 光流（六）--L2范數Horn–Schunck 光流法及應用demo

  原文：http://www.cnblogs.com/rocbomb/p/3795719.html?utm_source=tuicool&utm_medium=referral1. 基於Horn-Schunck模型的光流算法 1.1     光流的約束條件 光流 的假設條件認為圖像序列,在時間t 的某一像素點與在時間t+1的這一像素點的偏移量保持不變，即。這就
  2016-07-14 22:40:37   7576   0

• 原創 運動目標跟蹤（十七）--一些跟蹤算法簡述及跟蹤牛人資料整理

  這篇文章，主要記錄一些效果和時間不是很優秀的跟蹤算法，以備用。L1APG:原文：http://www.cnblogs.com/pixel/archive/2012/10/17/2728243.html以防原文鏈接失效，引用：最近在看有關將L1范數最小化運用到視頻跟蹤上的文章，這里是文章和實現代碼的下載地址http://www.dabi.temple.edu/~hbling/co
  2016-08-19 14:01:17   28989   2

• 原創 運動目標跟蹤（十八）--階段性總結

  經過近兩周的學習，對目前了解到的幾個跟蹤算法，坐下相關總結對比。 各算法的主要思想：      CN跟蹤器：是CSK[5]跟蹤器的改進算法。它聯合顏色特征（Color Name）和灰度特征來描述目標，在文獻[1]作者通過大量的實驗證明了Color Name在視覺跟蹤中的卓越性能，並且對Color Name  進行了PCA降維，去除了Color Name中的冗余信息，使得對目標的外觀
  2016-08-19 10:24:22   27124   6

• 轉載 運動目標跟蹤（十九）--TLD

  原文：http://blog.csdn.net/zouxy09/article/details/7893026相對來說，TLD算是比較入門的跟蹤算法了，沒有特別復雜的理論原理。實際上，一句話總結，就是中值光流+級聯檢測（依次從方差，隨機森林，最近鄰）的融合部分，之后，根據結果，更新級聯檢測。但其考慮到了多尺度。直接轉大牛的分析，對着代碼過了一邊，沒什么問題。下面是自己在看論文和這些
  2016-08-22 15:20:26   22939   0

• 轉載 目標跟蹤算法的分類（三）

  原文：http://www.360doc.com/content/16/0315/10/25664332_542332518.shtml目標跟蹤的任務是獲得目標在連續圖像序列中位置隨時間變化的軌跡。目標的表達用的都是形狀或外觀模型。選擇的表達模型限制了其可以使用的運動模型或分解方法。比如點表達的目標只能體現平移運動。幾何形狀表達仿射或投影更加合適。而對非剛性目標，輪廓表達最為合適，可用
  2016-08-22 15:57:56   16503   0

• 轉載 運動目標跟蹤（十四）--MIL跟蹤

  原文：http://blog.csdn.net/ikerpeng/article/details/19235391文章：Robust object tracking with on-line  multiple instance learningBoris Babenko, Student Member, IEEE, Ming-Hsuan Yang, Senior Member, IE
  2016-08-18 12:23:49   8685   0

• 轉載 運動目標跟蹤（十）--CSK跟蹤

  原文：http://blog.csdn.net/ikerpeng/article/details/44171159這篇文章很贊啊！很有必要將其好好的學習，今天首先記錄它的代碼思路（詳細的推導過程后面會給出的）。首先，這篇文章使用的決策函數是一個結構風險最小化的函數：
  2016-08-17 11:54:57   9156   0

• 轉載 運動目標跟蹤（十三）--SRDCF/DeepSRDCF

  原文：http://m.blog.csdn.net/article/details?id=51325716介紹DeepSRDCF之前，首先介紹SRDCF。今天對SRDCF算法做一些筆記[paper:Learning Spatially Regularized Correlation Filters for Visual Tracking]這篇文章同樣是目前比較好的，在VOT20
  2016-08-17 13:04:32   12469   3

• 原創 目標跟蹤算法的分類（一）

  運動目標跟蹤主流算法大致分類主要基於兩種思路：a)不依賴於先驗知識，直接從圖像序列中檢測到運動目標，並進行目標識別，最終跟蹤感興趣的運動目標； b)依賴於目標的先驗知識，首先為運動目標建模，然后在圖像序列中實時找到相匹配的運動目標。 一．運動目標檢測對於不依賴先驗知識的目標跟蹤來講，運動檢測是實現跟蹤的第一步。運動檢測即為從序列圖像中將變化區域從背景圖像中提取出來。運動目標檢測
  2015-09-14 11:41:37   84208   2

• 轉載 目標跟蹤算法的分類（二）

  原文：http://www.cnblogs.com/ronny/p/4256150.html最近對運動目標檢測與跟蹤這一塊的知識進行了一個整體性的回顧，又看了幾篇綜述性的論文，所以這篇博客算是做一個簡單的記錄，對幾個重要的概念進行了描述與分析。並沒有去研究現在這一領域那些最近的研究成果。因為在我看來，算法的主體想法都是一致的，每種方法都有它適應的場景。抓住軸心就夠了！前景檢測這
  2016-06-25 21:45:21   10405   0

• 轉載 運動目標跟蹤（三）--搜索算法優化搜索方向之Meanshift

  1
  2016-06-25 16:35:38   7673   0

• 原創 運動目標跟蹤（一）--搜索算法預測模型之KF,EKF,UKF

  這里先總體介紹下，原文轉自：http://www.cnblogs.com/gaoxiang12/p/5560360.html任何傳感器，激光也好，視覺也好，整個SLAM系統也好，要解決的問題只有一個：如何通過數據來估計自身狀態。每種傳感器的測量模型不一樣，它們的精度也不一樣。換句話說，狀態估計問題，也就是“如何最好地使用傳感器數據”。可以說，SLAM是狀態估計的一個特例。 1.
  2016-06-25 16:33:00   28850   2

• 轉載 運動目標跟蹤（四）--搜索算法優化搜索方向之Camshift

  mean-shift 的特點是把支撐空間和特征空間在數據密度的框架下綜合了起來。對圖像來講，支撐空間就是像素點的坐標，特征空間就是對應像素點的灰度或者RGB三分量。將這兩個空間綜合后，一個數據點就是一個5維的向量：[x,y,r,g,b]。這在觀念上看似簡單，實質是一個飛躍，它是mean-shift方法的基點。mean-shift方法很寶貴的一個特點就是在這樣迭代計算的框架下，求得的
  2016-06-27 14:59:12   6552   0

• 轉載 運動目標跟蹤（二）--搜索算法預測模型之粒子濾波

  原文：http://blog.csdn.net/jinshengtao/article/details/30970733推薦大家看論文《An adaptive color-based particle filter》這次我直接截圖我的碩士畢業論文的第二章的一部分，應該講得比較詳細了。最后給出我當時在pudn找到的最適合學習的實現代碼
  2016-06-25 16:33:44   7893   1

• 轉載 運動目標跟蹤（五）--搜索算法預測模型之PF,KF,EKF,UKF比較總結

  http://blog.sina.com.cn/s/blog_7dc49c690100t9dv.html【轉載】之前一直在做移動機器人定位算法。查來查去，發覺粒子濾波算法（又叫MC算法）應該算是最流行的了。因此開始學習使用之。入手的是本英文書叫“probalistic robotic” 很不錯，我所見到的講得最好的一本書。花了大量時間去研讀。在這里我想談談我對粒子濾波的一點
  2016-07-03 21:19:10   7039   0

• 轉載 運動目標跟蹤（六）--壓縮跟蹤之CS原理介紹

  最近在找工作，雖然offer不問題，但是面試的過程，讓我意識到自己存在的很多問題。其中之一就是，有人跟我說，你的廣度是夠了，但可能深度不夠。實際上，短短一兩小時的面試 ，是很難知道一個人的深度的，但個人覺得，這算是一個警鍾，以后的路，要慢慢做深，做精，才能成為磚家啊。哈哈。直接上大神的原文：http://blog.csdn.net/zouxy09/article/details/81183
  2016-06-20 10:11:14   8585   0

• 轉載 運動目標跟蹤（七）--壓縮跟蹤之CT原理介紹

  原文：http://blog.csdn.net/zouxy09/article/details/8118360好了，學習了解了稀疏感知的理論知識后，終於可以來學習《Real-Time Compressive Tracking》這個paper介紹的感知跟蹤算法了。自己英文水平有限，理解難免出錯，還望各位不吝指正。      下面是這個算法的工程網站：里面包含了上面這篇論文
  2016-06-20 10:31:11   9652   0

• 原創 運動目標跟蹤（九）--Struck跟蹤原理

  《Struck:Structured Output Tracking with Kernels》是 Sam Hare, Amir Saffari, Philip H. S. Torr等人於2011年發表在Computer Vision (ICCV)上的一篇文章。Struck與傳統跟蹤算法的不同之處在於：傳統跟蹤算法(下圖右手邊)將跟蹤問題轉化為一個分類問題，並通過在線學習技術更新目標模型。然而
  2016-08-16 14:25:46   16973   0

• 轉載 運動目標跟蹤（十二）--KCF跟蹤及CSK,CN對比

  作者的主頁：http://home.isr.uc.pt/~henriques/可以下載到文章和代碼，文章的名字叫　High-Speed Tracking with　Kernelized Correlation Filters.總結來說，這也是一種Tracking By Detection的跟蹤方法，跟ＴＬＤ，OAB同宗,以跟蹤對象為正樣本，以周圍壞境為負樣本，訓練一個判別分類器．pap
  2016-08-17 09:27:53   19138   2

• 轉載 光流（五）--HS光流及稠密光流

  稠密光流稠密光流是一種針對圖像進行逐點匹配的圖像配准方法[1]  ，不同於稀疏光流只針對圖像上若干個特征點，稠密光流計算圖像上所有的點的偏移量，從而形成一個稠密的光流場。通過這個稠密的光流場，可以進行像素級別的圖像配准，所以其配准后的效果也明顯優於稀疏光流配准的效果。但是其副作用也是明顯的，由於要計算每個點的偏移量，其計算量也明顯大於稀疏光流[2]  。 目錄
  2016-07-14 22:48:18   12868   0