2015-运动跟踪-角点检测.ppt

Harris角点检测：流程 角点响应函数R Harris角点检测：流程 提取R的局部极值 Harris角点检测：流程 Harris角点的性质 旋转不变性： 椭圆转过一定角度但是其形状保持不变 （特征值保持不变） 角点响应函数 R 对于图像的旋转具有不变性 Harris角点的性质 对于图像几何尺度变化不具有不变性： 这几个点被分类为边缘点 角点 ! 图像缩小 Harris角点的性质 随几何尺度变化，Harris角点检测的性能下降 Repeatability rate: # correspondences# possible correspondences C.Schmid et.al. “Evaluation of Interest Point Detectors”. IJCV 2000 参考 Harris角点： C.Harris, M.Stephens. “A Combined Corner and Edge Detector”. Proc. of 4th Alvey Vision Conference, 1988 一个介绍角点检测的网站：http://www.cim.mcgill.ca/~dparks/CornerDetector/index.htm 一个PPT讲义： Darya Frolova, Denis Simakov, Matching with Invariant Features, The Weizmann Institute of Science, March 2004 * * * * * * * * * * * * * * 3 MIC角点检测 3 MIC角点检测 3 MIC角点检测 3 MIC角点检测 3 MIC角点检测 改进的MIC 算法 A A’ B B’ P P’ Q Q’ α 十字模版 圆周插值 C 首先，利用十字模板求得四邻域的象素均值A、A’、B、B’； 然后，利用圆周插值计算角点响应函数； 最后，利用多格算法找到角点。 线性插值MIC 圆周插值　十字模板 MIC 线性插值MIC（加椒盐噪声） 圆周插值　十字模板 MIC（加椒盐噪声） 角点检测 基于模板的方法 主要考虑像素领域点的灰度变化，即图像亮度的变化，将与邻点亮度对比足够大的点定义为角点 Moravec角点检测 SUSAN角点检测算法 MIC角点检测算法 Harris角点检测算法 Harris角点检测基本思想 从图像局部的小窗口观察图像特征 角点定义 ? 窗口向任意方向的移动都导致图像灰度的明显变化 Harris角点检测基本思想 平坦区域：任意方向移动，无灰度变化 边缘： 沿着边缘方向移动，无灰度变化 角点： 沿任意方向移动，明显灰度变化 Harris检测：数学表达 图像灰度 平移后的图像灰度 窗口函数 将图像窗口平移[u,v]产生灰度变化E(u,v) 或 窗口函数 w(x,y) = Gaussian 1 in window, 0 outside Harris检测：数学表达 由： 得： Harris检测：数学表达 于是对于局部微小的移动量 [u,v]，可以近似得到下面的表达： 其中M是 2?2 矩阵，可由图像的导数求得： R的等高线图（k=0.2） R的等高线图（k=0.1） R的等高线图（k=0.05） Harris检测：数学表达 ?1 ?2 “Corner” “Edge” “Edge” “Flat” R 只与M的特征值有关 角点：R 为大数值正数 边缘：R为大数值负数 平坦区：R为小数值 R 0 R 0 R 0 |R| small Harris角点检测：流程 运动跟踪----角点检测 一．运动目标检测 ?（一）背景差 ?1.帧差 2.GMM等 (二）运动场 ?光流法 ?二．目标跟踪 1.什么是跟踪 2.运动目标的表示方法 3 跟踪问题的解决思路 1.1什么是跟踪(Tracking)？ 指在图像序列中持续地估计出感兴趣的运动目标所在区域（位置），形成运动目标的运动轨迹； 把不同帧中目标标识出来。 估计出运动目标的某些运动参数（比如速度、加速度等）。 /v_show/id_XMTY2MDY0OTA4.html 请大家观看一个例子 1.2 运动目标的表示方法 基于点的跟踪 基于区域的跟踪 基于轮廓的跟踪 基于模型的跟踪 由 简 到 繁 采用上述的哪种方法来表示运动目标和不同的应用场合、运动目标的运动特性、以及对跟踪算法的精度要求等密切相关。 1.3 跟踪问题的解决思路* 自底向上(Bottom-up)的处理方法 又称为数据驱动(Date-driven)的方法，不依赖于先验知识 自顶向下(Top-down)的处理方法 又称为模型驱动(Model-driven)的方法，依赖于所