激光与光电子学进展
标中心的远近
采用
对大量的
特征进行降维生成目标
特征
与文献
中的
特征相比
特征的维数 明显 低于
特征
而且低 维 度的
特征有 利 于
降低运动目标检测中的运算量
如图
所示
与线性判别分析等数据降 维方 法相 比
能够 在保 留数
据关键特征的基础上尽可能地降低数据维度
十分有利于图像识别问题的解决
如图
所示
图
不同降维方法的特征对比
检测耗时对比
识别率对比
将计算出的上一帧视频序列图像目标搜索窗口的质心作为当前帧目标搜索 窗口 的中 心
根据 每个 目标
特征与目标搜索窗口中心的距离
采用
对目标
特征进行降维
即该距离越远
特征降维
数越高
弱化背景
特征对特征分类带来的影响
从而减少计算开销
由于图像欧氏距离能够很好地
表征空间关系中的远近
因此以欧式距离来表征每个特征与目标搜索窗口中心间的距离
图
所示为尺
度空间中的欧氏距离
图中
O
x
mi
O
x
ni
分别代表目标的第
m
和第
n
个
特征的第
i
个分量
特征间的欧氏距离定义为
d O
x
m
O
x
n
[ ]
=
i
=
O
x
mi
-
O
x
ni
[ ]
如果目标的
特征不足
维
可补
在计算过程中分量
不会增加额外的算法运算量
图
尺度空间中的欧氏距离
图
图像不同部分的
特征相似性度量
目标中心与目标内部
目标中心与目标边缘
目标与背景
图
所示为图像不同部分的
特征相似性度量结果
图中利用两条线的吻合度来衡量不同
特征的相似性
由图
可知
目标内部特征间的吻合度较高
目标与背景的特 征吻 合度 较低
特征 距离 目标
中心越远
两条线分叉越大
不同特征的区别越明显