目标跟踪学习笔记_4(particle filter初探3)
摘要：( 注：本文为这学期一个作业，关于粒子滤波的介绍在前面2篇博客中已提到过，即：目标跟踪学习笔记_2(particle filter初探1) 目标跟踪学习笔记_3(particle filter初探2)前面2篇博客已经提到当粒子数增加时会内存报错，后面又仔细查了下程序，是代码方面的问题。所以本次的代码与前几次改变比较小。当然这些code基本也是参考网上的。代码写得很不规范，时间不够，等以后有机会将其优化并整理成类的形式。) Opencv实现粒子滤波算法摘要 本文通过opencv实现了一种目标跟踪算法——粒子滤波算法，算法的思想来源于文献[1][2],且在其思想上稍微做了些修改。其大概过程是：首.
阅读全文
posted @
2012-06-23 11:01
tornadomeet
阅读(13745)
推荐(3) 编辑
Reading papers_10(人体行为识别特征点提取小综述)
摘要：这是本学期一门课程的论文。(注：本人看过的行为识别特征提取方面的文章就10来篇，所以本综述大部分内容是参考其他人的综述的，有些并不是自己的成果，个人功底还没这么雄厚…)行为识别特征提取综述摘要 人体行为识别目前处在动作识别阶段，而动作识别可以看成是特征提取和分类器设计相结合的过程。特征提取过程受到遮挡，动态背景，移动摄像头，视角和光照变化等因素的影响而具有很大的挑战性。本文将较全面的总结了目前行为识别中特征提取的方法，并将其特征划分为全局特征和局部特征，且分开介绍了其优缺点。关键字： 行为识别 特征提取 全局特征 局部特征1. 前言 如今人体行为识别是计算机视觉研究的一个热点，人体行为识...
阅读全文
posted @
2012-06-22 10:38
tornadomeet
阅读(20171)
推荐(3) 编辑
图像分割学习笔记_1(opencv自带meanshift分割例子)
摘要：Meanshift不仅可以用于图像滤波，视频跟踪，还可以用于图像分割。 一般而言一副图像的特征点至少可以提取出5维，即(x,y,r,g,b)，众所周知，meanshift经常用来寻找模态点，即密度最大的点。所以这里同样可以用它来寻找这5维空间的模态点，由于不同的点最终会收敛到不同的峰值，所以这些点就形成了一类，这样就完成了图像分割的目的，有点聚类的意思在里面。 有一点需要注意的是图像像素的变化范围和坐标的变化范围是不同的，所以我们在使用窗口对这些数据点进行模态检测时，需要使用不同的窗口半径。因此在opencv自带的meanshift分割函数pyrMeanShiftFiltering()...
阅读全文
posted @
2012-06-06 19:28
tornadomeet
阅读(54599)
推荐(0) 编辑
前景检测算法_4(opencv自带GMM)
摘要：前面已经有3篇博文介绍了背景减图方面相关知识(见下面的链接)，在第3篇博文中自己也实现了gmm简单算法，但效果不是很好，下面来体验下opencv自带2个gmm算法。 opencv实现背景减图法1(codebook和平均背景法) http://www.cnblogs.com/tornadomeet/archive/2012/04/08/2438158.html opencv实现背景减图法2(帧差法) http://www.cnblogs.com/tornadomeet/archive/2012/05/01/2477629.html opencv实现背景减图法3(GMM) http...
阅读全文
posted @
2012-06-02 10:59
tornadomeet
阅读(31886)
推荐(3) 编辑
前景检测算法_3(GMM)
摘要：摘要 本文通过opencv来实现一种前景检测算法——GMM，算法采用的思想来自论文[1][2][4]。在进行前景检测前，先对背景进行训练，对图像中每个背景采用一个混合高斯模型进行模拟，每个背景的混合高斯的个数可以自适应。然后在测试阶段，对新来的像素进行GMM匹配，如果该像素值能够匹配其中一个高斯，则认为是背景，否则认为是前景。由于整个过程GMM模型在不断更新学习中，所以对动态背景有一定的鲁棒性。最后通过对一个有树枝摇摆的动态背景进行前景检测，取得了较好的效果。关键字：GMM,opencv，前景检测前言 前景检测主要分为帧差法，平均背景法，光流法，前景建模法，背景非参数估计，背景建模法等。而..
阅读全文
posted @
2012-06-02 09:37
tornadomeet
阅读(36441)
推荐(7) 编辑
本人常用资源整理(ing...)
摘要：Deep Learning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio团队的deep learning教程，用的theano库，主要是rbm系列，搞pytho...
阅读全文
posted @
2012-05-24 08:32
tornadomeet
阅读(45090)
推荐(41) 编辑
Reading papers_9(与object recognition相关,ing...)
摘要：1. 读Leibe, B., A. Leonardis, et al. (2004). Combined object categorization and segmentation with an implicit shape model. ECCV. 本文提出的算法名为ISM，其集成识别和分割方法到一个普遍的概率框架中。为了得到好的分割效果，该算法能够产生一个基于每个像素的信任图，该信任图能够体现假设的支持度和真实度，通过该信任图能够处理一个场景中多个目标以及用基于MDL准则解决目标假设重叠的问题。 其识别的流程是首先用常见的特征点检测算子检测出图片的特征点，且以特征点为中心抽取出...
阅读全文
posted @
2012-05-21 20:07
tornadomeet
阅读(1639)
推荐(0) 编辑
Reading papers_8(与图像特征点检测相关,ing...)
摘要：1.读Harris, C. and M. Stephens (1988). A combined corner and edge detector, Manchester, UK. 本文提出的算法可以同时检测出边缘和角点，其角点检测算子名为Harris，用的是作者的名字命名，可见其应用之广。 作者首先指出计算机视觉对3维世界的理解离不开图像的特征检测和跟踪，随后又指出边缘信息检测和跟踪存在很多问题，不太适合理解3维真实世界，所以作者把工作重心放在特征点的检测和跟踪上。 本文特征点和边缘检测的思想很简单，其思想来源于前人Moravec的角点检测算法。即用一个小的窗口在像素点周围移动，如...
阅读全文
posted @
2012-05-17 10:49
tornadomeet
阅读(1952)
推荐(1) 编辑
Reading papers_7(与human activity recognition特征提取相关,ing...)
摘要：1.读Dollár, P., V. Rabaud, et al. (2005). Behavior recognition via sparse spatio-temporal features, IEEE. 本文作者提出了检测视频数据特征点，即spatio-temporal特征，即时空特征点，并将该特征应用于行为识别，且在前提假设比较少的情况下提出了一个人体特征检测和行为识别的通用框架。 行为识别的研究途径有以下几种：通过恢复视频中人体的位置和姿态，但是模型匹配很难做到准确；通过跟踪空间特征点轨迹来进行识别；通过不断的重复跟踪来对人体进行行为识别；通过检测时空特征点来进行行为识别。
阅读全文
posted @
2012-05-10 23:31
tornadomeet
阅读(3149)
推荐(0) 编辑
目标跟踪学习笔记_3(particle filter初探2)
摘要：上次已经初步体验了下particle filter，直接用别人的代码，见我前面的博文http://www.cnblogs.com/tornadomeet/archive/2012/03/18/2404817.html 一开始是内存出错，后面干脆自己学了下particle filter滤波的原理，把代码认真看了一遍，然后自己从头敲了遍代码，虽然运行时不再出现内存溢出等bug，但是没有跟踪效果。 这次的代码和上次一样，有跟踪效果，不过不理想。依旧是参照博主：http://blog.csdn.net/yang_xian521/article/details/6928131 的代码，但是算法稍...
阅读全文
posted @
2012-05-08 23:11
tornadomeet
阅读(6110)
推荐(1) 编辑
Reading papers_5(与human activity analysis综述相关,ing...)
摘要：读Poppe, R. (2010). "A survey on vision-based human action recognition." Image and Vision Computing 28(6): 976-990. 这篇文章写的是关于人体动作识别的综述类文章，论文中没有对某个具体的模型或算法做详细的描述，只是将其分类到作者框架下动作识别的一个研究方向。 在本篇论文的参考文献中，作者也列出了比较出名的此类综述性文章，但是每篇综述性文章的写作线索都不尽相同，这是因为每个学长对human action recognition的理解不完全相同。 本领域的一些难点和特点
阅读全文
posted @
2012-05-01 22:37
tornadomeet
阅读(1203)
推荐(0) 编辑
Reading papers_4(与particle filter相关,ing...)
摘要：读Isard, M. and A. Blake (1998). "Condensation—conditional density propagation for visual tracking." International journal of computer vision 29(1): 5-28. 在目标跟踪领域中，kalman跟踪有着先天的不足，因为它是基于单模高斯分布的，不能同时表示多目标。而condensation算法使用了重采样技术，目标的概率分布通过随机产生的数据集来表示，然后使用已知的动态模型和观察模型来传播这些随机数据集。实验最后显示这个算法对快速运动
阅读全文
posted @
2012-05-01 21:44
tornadomeet
阅读(1138)
推荐(0) 编辑
Reading papers_3(与mean shift相关,ing...)
摘要：读Comaniciu, D. and P. Meer (2002). "Mean shift: A robust approach toward feature space analysis." Pattern Analysis and Machine Intelligence, IEEE Transactions on 24(5): 603-619. 本文分析的算法mean shift是属于一种非参数算法，可以被用来分析复杂的多模态特征空间以及视觉领域的一些其它难题。 文章明确给出了mean shift的定义和计算方法。先将非参数密度估计用核函数表示，然后对其求导，通过引
阅读全文
posted @
2012-05-01 21:07
tornadomeet
阅读(1178)
推荐(0) 编辑
Reading papers_2(与GMM相关,ing...)
摘要：读Stauffer, C. and W. E. L. Grimson (1999). Adaptive background mixture models for real-time tracking, IEEE. 这篇文章首次将GMM模型引入cv领域中，提供了一个用背景减图法进行于前景检测的背景建模方法。文章中将每一个像素点都建立一个混合高斯模型(即用多个高斯来描述该像素点)，并且能够在线近似更新该点的模型。训练阶段，当建立了多个高斯时，这些混合高斯的分布将会被评估决定哪些高斯最有可能代表背景模型。在检测阶段，将会计算每个像素点的值与混合高斯中高斯的相似度，如果到达预定阈值，则认为属于背景.
阅读全文
posted @
2012-05-01 20:24
tornadomeet
阅读(1711)
推荐(0) 编辑
前景检测算法_2(帧差法1)
摘要：帧差法是背景减图法中的一种，只不过是帧差法不需要建模，因为它的背景模型就是上一帧的图，所以速度非常快，另外帧差法对缓慢变换的光照不是很敏感，所以其用途还是有的，有不少学者对其做出了出色的改进。 其基本原理可以用下面公式看出： |i(t)-i(t-1)|<T 背景 |i(t)-i(t-1)|>=T 前景 其中i(t),i(t-1)分别为t,t-1时刻对应像素点的像素值,T为阈值。 当然其缺点也不少，容易出现”双影”和”空洞”现象。 用opencv2.3.1+vs2010做了个简单的实验，其实验代码如下： 1 // frame_diff.cpp : 定义控制台应用程序的入口点。 2..
阅读全文
posted @
2012-05-01 09:28
tornadomeet
阅读(31167)
推荐(5) 编辑
Reading papers_1(与kalman filter相关,ing...)
摘要：读Maybeck, P. S. 1979. “Stochastic Models, Estimation, and Control, Volume 1”, Academic Press, Inc. Kalman filter最优估计体现在：它包含了所有能提供的信息，能处理所有可以利用的测量(而不用管这些测量的精度如何)，来估计我们感兴趣的参数值。Kalman filter主要利用了系统和测量设备动态模型的相关知识，系统噪声，测量误差，动态模型的不确定性以及我们需要估计的感兴趣变量的初始值。 Kalman估计的主要步骤有：初始化，预测，测量，校正。举个简单的例子形象理解下，比如说我们要预测在..
阅读全文
posted @
2012-04-27 16:59
tornadomeet
阅读(2189)
推荐(0) 编辑
总结系列_2(vc,opencv,Qt等错误调试,续...)
摘要：本文将总结一些在使用opencv+vs过程中碰到的error。 1.程序编译通过，运行时出现如下错误： 解决方法： a.可能是读取文件时出现错误，比如说读图片，视频等文件名字或路径弄错了。 2. 编译程序通过，运行时出现如下错误： 解决方法： a．可能是数据类型不对，比如说在该语句中gray_diff.at<unsigned char>(i,j)=255; 本来gray_diff中的数据类型是unsigned char的，如果你写成了gray_diff.at< int>(i,j)=255;或者是写成其它的就会报类似的错误。 3. 当编译通过，运行程序一段时间后出现如下提
阅读全文
posted @
2012-04-23 22:11
tornadomeet
阅读(5941)
推荐(0) 编辑
总结系列_1(opencv需常用的小工程,续...)
摘要：本文中将列出opencv需常用的最小工程，以方便今后做测试用。 工程环境为vs2010+opencv2.3.1一、opencv读取图片并显示出来： 代码为: 1 #include "stdafx.h" 2 #include <opencv2/highgui/highgui.hpp> 3 4 using namespace cv; 5 6 int main(int argc,unsigned char* argv[]) 7 { 8 Mat img_src; 9 for (;;)10 {11 img_src=imread("lena.jpg");
阅读全文
posted @
2012-04-23 22:01
tornadomeet
阅读(3675)
推荐(0) 编辑
前景检测算法_1(codebook和平均背景法)
摘要：前景分割中一个非常重要的研究方向就是背景减图法，因为背景减图的方法简单，原理容易被想到，且在智能视频监控领域中，摄像机很多情况下是固定的，且背景也是基本不变或者是缓慢变换的，在这种场合背景减图法的应用驱使了其不少科研人员去研究它。 但是背景减图获得前景图像的方法缺点也很多：比如说光照因素，遮挡因素，动态周期背景，且背景非周期背景，且一般情况下我们考虑的是每个像素点之间独立，这对实际应用留下了很大的隐患。 这一小讲主要是讲简单背景减图法和codebook法。一、简单背景减图法的工作原理。 在视频对背景进行建模的过程中，每2帧图像之间对应像素点灰度值算出一个误差值，在背景建模时间内算出该像素点的.
阅读全文
posted @
2012-04-08 22:35
tornadomeet
阅读(25310)
推荐(2) 编辑
一些知识点的初步理解_3(立体视觉,ing...)
摘要：最近看了些立体视觉方面的资料，感觉立体视觉涉及到的东西太多，且数学理论比较强，特别是几何方面的东西，下面是对这一周看关于立体视觉方面的资料的初步总结，很多知识也是懂了个概念而已，深入的话要在以后的实践过程中不断体会，其中主要是一些名词，写下来算是对自己有个小的总结：一. 射影几何知识。 包括平面射影几何和空间射影几何。射影几何只是在欧式几何中引入了无穷远元素而已，比如说无穷远点，无穷远直线，无穷远曲线和曲面。因此在射影几何中2条平行线是可以相交的，交点在无穷远处，2个平行平面也交于无穷远处的一条直线。 所以在二维射影几何中，引入了二维射影平面，即由欧式平面和无穷远直线构成。其中涉及到的相关知.
阅读全文
posted @
2012-04-08 15:41
tornadomeet
阅读(3130)
推荐(1) 编辑
