【目标跟踪: 相关滤波器 一】闭关归来, 先挖个坑

前言

从2015年12月份开始闭关修炼, 潜心研究目标跟踪领域的相关滤波器, 如今终于算是可以暂时告一段落. 现在的我相比去年的我而言, 自我感觉虽然算不上脱胎换骨, 但是的的确确学习了很多知识, 在机器视觉领域终于不再是一个青涩的还未过门的小鸟雏, 现在的这只小鸟, 已经可以跌跌撞撞的起飞.

以这篇博文为分界线, 之前的博文在我现在看来真是图样图森破, 各位看官大可以忽略之前的博文.

从今天起, 会尽量抽出闲暇时间认认真真的写博客, 把这段时间的研究成果与心得分享给大家. 今天先挖个坑, 内容可能会更新的很慢, 因为马上研三的人, 过了暑假就要找工作, 之前一直忙于基础知识的摄取与跟踪算法的研究, 而且懒癌晚期, 加上中二病犯了两个月, 迷上了DOTA2(网游毁一生, DOTA穷三代), 浪费了很多宝贵时间, 并未做什么实质性的工作, 没有什么工程经验可言, 要赶在找工作之前把我的研究成果在嵌入式平台实现, 算是掌握一门吃饭的技术, 时间很紧迫.

在此简要说明下我的学习环境:

在一个搞力学与工程热物理的实验室中, 本来搞控制与电子电路方面的人就少, 唯独我初生牛犊不怕虎的选择了机器视觉中目标跟踪的这个方向, 全实验室100多人只有我一个人搞这个, 导师对这个也是一知半解, 对我的培养也近于放养, 没有项目, 没有课题组, 师兄师姐们都不搞这个, 没有师弟师妹, 我是一人孤军奋战, 由于交际少, 在计算机学院认识的同行又不怎么熟, 由于很少见面, 所以交流也很少

相关滤波器

对于这个目前在跟踪领域大红大紫的方法, 有必要了解下该方法的大致发展过程, 在此先推荐几篇paper, 感兴趣的同学可以先去看看.

1. Bolme D S, Beveridge J R, Draper B A, et al. Visual object tracking using adaptive correlation filters[C]//Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on. IEEE, 2010: 2544-2550.

2. Henriques J F, Caseiro R, Martins P, et al. Exploiting the circulant structure of tracking-by-detection with kernels[M]//Computer Vision–ECCV 2012. Springer Berlin Heidelberg, 2012: 702-715.

3. Henriques J F, Caseiro R, Martins P, et al. High-speed tracking with kernelized correlation filters[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2015, 37(3): 583-596.

4. Chen Z, Hong Z, Tao D. An Experimental Survey on Correlation Filter-based Tracking[J]. arXiv preprint arXiv:1509.05520, 2015.

接下来的几篇博文, 我会以上面前3篇为基础, 尽量通俗的与大家交流下相关滤波器的基础型及其后续的改进型. 今天先就此打住, 要开始搬砖了.

时间: 2024-10-31 07:52:54

【目标跟踪: 相关滤波器 一】闭关归来, 先挖个坑的相关文章

目标跟踪算法----KCF进阶(基于KCF改进的算法总结)

一.前情提要 如果你对目标跟踪和KCF是什么东西还不了解的话欢迎你看前一篇博文KCF入门详解:http://blog.csdn.net/crazyice521/article/details/53525366.如果你已经对基于KCF的目标跟踪有了一定的了解,并想知道这个算法有怎么样的后续的发展的话,就请听我慢慢介绍以下的东西. 二.KCF的弊端 说道KCF的缺点的话作者在文章中也已经算是说明了,第一点,KCF因为在跟踪过程当中目标框是已经设定好的,从始至终大小为发生变化,但是我们的跟踪序列当中目

(转) 深度学习在目标跟踪中的应用

深度学习在目标跟踪中的应用 原创 2016-09-05 徐霞清 深度学习大讲堂 点击上方“深度学习大讲堂”可订阅哦!深度学习大讲堂是高质量原创内容的平台,邀请学术界.工业界一线专家撰稿,致力于推送人工智能与深度学习最新技术.产品和活动信息! 开始本文之前,我们首先看上方给出的3张图片,它们分别是同一个视频的第1,40,80帧.在第1帧给出一个跑步者的边框(bounding-box)之后,后续的第40帧,80帧,bounding-box依然准确圈出了同一个跑步者.以上展示的其实就是目标跟踪(vis

目标跟踪方法概述

监控视频中对象跟踪问题,不少学者投入大量精力进行研究,已经产生各种不同的跟踪方法.对于跟踪方法,我们可以根据算法提取的视觉特征.定位跟踪目标的方法.算法同时跟踪目标的数量这几个方面进行分类叙述.以下就跟踪方法中的要点逐一进行说明. 跟踪对象的视觉特征 选择合适的视觉特征对于跟踪算法而言至关重要.通常选取的视觉特征可作为目标唯一描述,使得其在特征空间中显著可分.值得注意的是,特征的选取与目标的表示方法是紧密相关的.例如基于区域的目标模型中常用颜色直方图作为特征,而基于轮廓的算法则考察物体边缘特征.

目标跟踪与检测技术介绍

基于有限集统计学理论的目标跟踪技术研究综述杨威,付耀文,龙建乾,... - <电子学报> - 2012 - 被引量: 31有限集统计学理论为杂波背景下的目标跟踪问题提供了一种工程友好的理论工具.对近年来基于有限集统计学理论的目标跟踪技术研究现状进行了综述,包括最优多目标贝叶斯滤波器及其近似技术.参数未知与机动多目标跟踪技术.航迹生成方法.单目标联合检测与跟踪滤波器及基于有限集观测的单目标滤波器等,对相关应用亦有所介绍.最后在已有研究发展的基础上,着眼于提高目标跟踪精度和增强目标跟踪鲁棒性的发展

CVPR2018 单目标跟踪部分论文

from https://blog.csdn.net/weixin_40645129/article/details/81173088 CVPR2018已公布关于视频目标跟踪的论文简要分析与总结 一,A Twofold Siamese Network for Real-Time Object Tracking 论文名称 A Twofold Siamese Network for Real-Time Object Tracking 简介 此算法在SiamFC的基础上增加了语义分支,进一步提升Sia

目标跟踪算法综述

转自  https://www.zhihu.com/question/26493945 作者:YaqiLYU 第一部分:目标跟踪速览 先跟几个SOTA的tracker混个脸熟,大概了解一下目标跟踪这个方向都有些什么.一切要从2013年的那个数据库说起..如果你问别人近几年有什么比较niubility的跟踪算法,大部分人都会扔给你吴毅老师的论文,OTB50和OTB100(OTB50这里指OTB-2013,OTB100这里指OTB-2015,50和100分别代表视频数量,方便记忆): Wu Y, L

用于扩展目标跟踪的笛卡尔B-Spline车辆模型

(哥廷根大学) 摘要 文章提出了一种空间扩展物体轮廓的新颖表示,适用于跟踪采用激光雷达为测量数据的未知尺寸和方向的车辆.我们使用二次均匀周期的B-Splines直接表示笛卡尔空间中对象的星 - 凸形状近似.与之前在极空间中工作的方法相比,我们引入了一个新的步行参数来模拟物体的轮廓功能,使得形状参数被很好地被定义并且与测量值位于同一空间内.该方法的主要优点是可以通过缩放样条的基点来独立地执行长度和宽度的缩放. 一.引言 对于汽车领域,特别是高级驾驶辅助系统(ADAS)功能,扩展目标跟踪(EOT)的

目标跟踪综述(主要是深度学习)

摘要 近年来,深度学习方法在物体跟踪领域有不少成功应用,并逐渐在性能上超越传统方法.本文对现有基于深度学习的目标跟踪算法进行了分类梳理. 经典的目标跟踪方法 目前跟踪算法可以被分为产生式(generative model)和判别式(discriminative model)两大类别. 产生式方法运用生成模型描述目标的表观特征,之后通过搜索候选目标来最小化重构误差.比较有代表性的算法有稀疏编码(sparse coding),在线密度估计(online density estimation)和主成分

目标跟踪学习笔记1

首先提供几篇关于粒子滤波算法的博客:http://www.cnblogs.com/yangyangcv/archive/2010/05/23/1742263.html 这篇博客比较通俗易懂,简单的介绍了粒子滤波的基本工作思想和步骤.http://www.cnblogs.com/lwbaptx/archive/2011/10/20/2218419.html这篇博客用的是opencv1.0,实现的功能是用粒子滤波跟踪鼠标轨迹,有视频演示,效果还不错.http://blog.csdn.net/yang