一直以來不太明白關於粒子濾波和光流法是如何對於目標進行跟蹤的，經過一段時間的查閱資料，我總結出了以下原理：
關於粒子濾波：
1，首先我們需要提前預知目標的模板，然後選取相應的粒子數目，比如說100個粒子。
2，將這些粒子進行通過二階動態模型進行隨機擴散，得到的粒子所在的新的位置。
3，將粒子周圍的環境生成直方圖並與目標模板進行匹配，通過比較獲取得到權值最大的粒子，並將它作為中心，進行第二步，不斷地重複步驟，就能獲取目標的動態位置。
粒子濾波目標跟蹤
1 初始化階段 提取跟蹤目標特徵 該階段要人工指定跟蹤目標，程式計算跟蹤目標的特徵，比如可以採用目標的顏色特徵。具體到rob hess的 開始時需要人工用滑鼠拖動出乙個跟蹤區域，然後程式自動計算該區域色調 hue 空間的直方圖，即為目標的特徵。直方圖可以用乙個向量來表示，所以目標特徵就是乙個n 1的...
粒子濾波在目標跟蹤的應用
一直都覺得粒子濾波是個挺牛的東西，每次試圖看文獻都被複雜的數學符號搞得看不下去。乙個偶然的機會發現了rob hess 實現的這個粒子濾波。從 入手，一下子就明白了粒子濾波的原理。根據維基百科上對粒子濾波的介紹 粒子濾波其實有很多變種，rob hess實現的這種應該是最基本的一種，sampling i...
從meanshift目標跟蹤到粒子濾波
在初學均值漂移演算法的時候，有個總體印象，就是演算法希望通過尋找密度最大的位置作為收斂位置，用白話講，其實就是要找乙個區域內的重心而已，這個重心為什麼不是區域的所有粒子的平均呢？因為每個粒子還帶個權重，這個權重我們用物理力學中的重心公式想想就明白，權重代表每個粒子對重心的貢獻程度，那麼，做個最極端的...