自动跟踪算法

Question

我试图写一个简单的跟踪例程来跟踪电影中的一些要点。

基本上，我有一系列100帧长的电影，在黑暗的背景上显示一些亮点。我每帧有100到150个点，它们在整个电影过程中移动.我想跟踪他们，所以我正在寻找一些有效的(但可能不会过度执行)例程来实现这一点。

还有一些信息：

• 这些斑点是几个。5x5)像素大小
• 这个运动不是很大。一个斑点通常不会移动超过5-10像素的原始位置。动作一般都很平稳。
• 这些斑点的“形状”通常是固定的，它们不会生长或缩小，但随着电影的发展，它们会变得不那么明亮。
• 斑点不会向某个特定的方向移动。他们可以向右移动然后再向左移动然后再向右移动
• 用户将选择一个区域周围的每个点，然后这个区域将被跟踪，所以我不需要自动找到点。

由于视频是b/w，我想我应该依赖于刚强。例如，我认为我可以在区域周围移动，并计算区域在前一帧中的面积与下一帧中不同位置的区域的相关性。我知道这是一个很幼稚的解决方案，但你认为这可能管用吗？有人知道这样做的具体算法吗？它不需要是超高速，只要它是准确的，我很高兴。

谢谢

尼科

Answer 1

我建议使用皮尔逊积。有一个模型(可以是任何模板图像)，您可以度量模板与框架的任何部分的相关性。

结果是一个概率因子，它决定了样本与模板之间的相关性。它特别适用于二维情况。它的优点是独立于样本绝对值，因为结果依赖于与样本平均值相关的协方差。

一旦检测到较高的概率，就可以跟踪原始位置附近的连续帧，并选择最佳相关因子。

然而，模板的大小和旋转很重要，但我不能理解这种情况。您可以使用任何形状自定义检测，因为模板图像可以表示任何配置。

这是一个单程算法实现，我已经正确地使用和工作了。

Answer 2

在我看来，这是Blob检测的工作。

Answer 3

这必须是一个很好的研究主题，我怀疑不会有任何100%准确的解决方案。

一些可能有用的链接：

基于实时跟踪的活动学习模式。麻省理工学院的两个人写的论文。

卡尔曼滤波。尤其是计算机视觉部分。

运动跟踪器。一个学生项目，其中也有代码和样本视频，我相信。

当然，这对你来说可能有点过分，但希望它能给你其他线索。