[研究] 發現
我讀到一篇07年PAMI的paper，題目是"Ensemble Tracking"
發現他的概念居然神奇的跟我想出來的做法很像!
只是approach的方法不同...
那個作者把tracking視作為一種分類問題，target一類，surround一類
然後他利用AdaBoost設計出多種弱分類器的集合，形成一種強分類器
再對每張frame進行 目標/周圍背景 的分類
分類完之後會得到他稱為Confidence map的東西，跟我的Saliency map很像
其強弱代表著目標出現的機率...
然後再用Mean shift去追Confidence map中的peak...
追完之後，根據新目標位置的區域再update一次弱分類器的權重，重覆以上的步驟。
這篇paper也沒跟前人作法比較，它直接指出Mean shift的大缺點@@
然後實驗的部份就是找幾種不同種類的影像(color,gray level,IR)來測試，
show出結果跟一些參數變動的情形，並沒有看到對於不同環境的測試。
當然他也有提到針對occlusion的解法，好像就是再加上一個particle filter吧
喔對了，他是用MATLAB實作的，完全沒提到real-time的事XD
不過還是可以參考他文章的寫法，以及實驗的規劃。
唸完之後有個感想，你想得到的方法，別人八成也想得到@@
真的如老師所說，全世界聰明的人都在跟你競爭啊.......
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.112.218.122
※ 編輯: assyrian 來自: 140.112.218.122 (05/27 11:14)
推
05/27 11:35, , 1F
05/27 11:35, 1F
推
05/27 14:11, , 2F
05/27 14:11, 2F
→
05/27 16:56, , 3F
05/27 16:56, 3F
討論串 (同標題文章)