使用二维规范化互相关进行模式匹配和目标跟踪

简介: 使用二维规范化互相关进行模式匹配和目标跟踪。双击“编辑参数”块以选择要检测的类似目标的数量。您还可以更改金字塔因子。通过增加它,可以更快地将目标模板与每个视频帧匹配。更改金字塔因子可能需要更改阈值。

一、前言
使用二维规范化互相关进行模式匹配和目标跟踪。双击“编辑参数”块以选择要检测的类似目标的数量。您还可以更改金字塔因子。通过增加它,您可以更快地将目标模板与每个视频帧匹配。更改金字塔因子可能需要更改阈值。
此外,还可以双击“相关方法”开关以指定要在其中执行互关联的域。目标与输入视频帧的相对大小和金字塔因子决定了哪个域计算更快。
二、模型
下图显示了模式匹配模型:
1.png
三、模式匹配结果
“匹配指标”窗口显示目标匹配指标的变体。该模型确定当匹配指标超过阈值(青色线)时,视频帧中是否存在目标模板。
2.png

“互相关”窗口显示将目标模板与视频帧交叉关联的结果。此窗口中的大值对应于输入图像中目标的位置。
3.png

叠加窗口通过用矩形感兴趣区域 (ROI) 突出显示目标来显示目标的位置。仅当在视频帧中检测到目标时,才会存在这些 ROI。
4.png

目录
相关文章
|
2月前
|
Perl
【MFAC】基于全格式动态线性化的无模型自适应控制(Matlab代码)
【MFAC】基于全格式动态线性化的无模型自适应控制(Matlab代码)
|
2月前
|
算法
【MFAC】基于全格式动态线性化的无模型自适应控制
【MFAC】基于全格式动态线性化的无模型自适应控制
|
9月前
|
监控 算法 安全
基于伽马变换自适应修正的全景首尾融合算法
基于伽马变换自适应修正的全景首尾融合算法
|
1月前
|
算法 API 计算机视觉
【原理解密】多角度、多尺度、多目标的边缘模板匹配
【原理解密】多角度、多尺度、多目标的边缘模板匹配
38 0
|
2月前
|
PyTorch 算法框架/工具 计算机视觉
零基础入门语义分割-地表建筑物识别 Task4 评价函数与损失函数 -学习笔记
零基础入门语义分割-地表建筑物识别 Task4 评价函数与损失函数 -学习笔记
49 0
|
2月前
halcon基础系列之基于相关性模板匹配算子
halcon基础系列之基于相关性模板匹配算子
|
11月前
|
数据可视化 数据安全/隐私保护
时序分解 | MATLAB实现基于SWD群体分解的信号分解分量可视化
时序分解 | MATLAB实现基于SWD群体分解的信号分解分量可视化
|
2月前
|
机器学习/深度学习 PyTorch 数据处理
零基础入门语义分割-地表建筑物识别 Task2 数据扩增-学习笔记
零基础入门语义分割-地表建筑物识别 Task2 数据扩增-学习笔记
52 1
|
11月前
|
JSON 算法 数据格式
优化cv2.findContours()函数提取的目标边界点,使语义分割进行远监督辅助标注
可以看到cv2.findContours()函数可以将目标的所有边界点都进行导出来,但是他的点存在一个问题,太过密集,如果我们想将语义分割的结果重新导出成labelme格式的json文件进行修正时,这就会存在点太密集没有办法进行修改,这里展示一个示例:没有对导出的结果进行修正,在labelme中的效果图。
118 0
|
存储 人工智能 供应链
通过二维材料增强的模拟退火算法,解决组合优化「大问题」
通过二维材料增强的模拟退火算法,解决组合优化「大问题」