计算机视觉16 8 稠密运动视觉估计课件.ppt

《计算机视觉16 8 稠密运动视觉估计课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等第八章基于运动视觉的稠密估计--------光流法(OpticalFlow)早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等稠密运动估计2021-9-6CV:Motion2早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等光流法§运动场（motionfield）像素运动

2、矢量§光流（opticalflow）图像亮度模式的表观运动2021-9-6CV:Motion3早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等8.1二维光流运动估计§根据图像亮度模式的变化估计物体的运动1.基于梯度的方法(Gradient-based)DifferentialMethods2.块匹配方法(BlockMatching)RegionMatching2021-9-6CV:Motion4早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和

3、锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等二维光流运动估计§假设各幅图像的亮度具有一致性Time=tTime=t+dtx,yxdx,ydyI(x,y,t)I(xx,yy,tt)012021-9-6早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等8.1.1基于梯度的方法•基础性假设点的亮度变化仅由运动引起Taylor展开光流约束方程物理意义:如果一个固定的观察者观察一幅活动的场景，那么所得图象上某点灰度的(一阶)时间变化率是场景亮度变化率与该点运

4、动速度的乘积。2021-9-6CV:Motion6早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等孔径问题(Apertureproblem)•需要足够的图像梯度信息，才能进行准确的估计•对于无纹理区域或者沿着边缘方向无法使用•只能在角点和纹理区域使用•图像中的每一点上有两个未知数u和v，但只有一个方程，因此，只使用一个点上的信息是不能确定光流的．•最优化问题,迭代求解•增加约束，使问题可解2021-9-6CV:Motion7早期无神经系统定位症状和体征。抽搐发作和其他不自主运

5、动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等SSDsurface–texturedarea2021-9-6早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等SSDsurface–edge2021-9-6早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等SSD–homogeneousarea2021-9-6早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾

6、病晚期，并有锥体系和锥体外系症状和体征，包括震颤、肌强直和肢体屈曲等（1）Lucas-Kanade方法•增加局部约束光流约束在局部区域内恒定22argminW(x)(IxuIyvIt)(x,y)各向同性窗函数对在时刻t的n个点,用加权最小二乘法求解T2T2AWAvAWbTA[I(x),,I(x)],1nWdiag[W(x),,W(x)],1nTb(I(x),,I(x)).t1tn2021-9-6CV:Motion11早期无神经系统定位症状和体征。抽搐发作和其他不自主运动可见于疾病晚期，并有锥体系和锥体外系症状和体征，包括震颤、

7、肌强直和肢体屈曲等误差函数§鲁棒误差函数-Robusterrorfunction2xE(u)(I(xiu)I(x)),(x)22i1x/a§空间变化加权函数-Spatiallyvaryingweights2E(u)w(x)w(xu)I(xu)I(x)0i1iiii§偏差与增益-Biasandgain:针对不同光照条件下拍摄图像I(xu)(1)I(x),isthegainandisthebias2E(u)I(xiu)(1)I(xi)i§归一化相关矩阵-normalizedcrosscorrel

8、ationE(u)I(xi)I(xiu)2021-9-6i早