马尔科夫随机场(Markov Random Field)是计算机视觉、图像处理等研究的重要工具。它在图像处理中的应用广泛。它不仅可处理底层视觉(图像分割、边缘检测),还可用于中高层视觉处理(多目标跟踪、场景分析和理解)。在本文中,沈乐君试图用最简单直观的方式来讲解马尔科夫随机场(MRF)、粒子滤波器(Particle Filter)和多目标跟踪(Multi-Object Tracking)算法,还保留一些源代码连接,希望对您有用。
目录:
1. 马尔科夫随机场(MRF)的介绍
2. 基于MRF的噪声图像分割
3. 粒子滤波器的介绍
4. 综合MRF与粒子滤波器进行多目标跟踪
5. 自助重要性采样(BISP)的实时多目标跟踪
我们设计的多目标跟踪算法(BISP), 与相关算法相比(如MCMC, MFMC, DMOT),具有竞争优势。该算法实时性好,在笔者的P4 1.4G的笔记本电脑上,对15个运动员的多目标跟踪,仅需要20毫秒。而且,该算法样本多样性好,能够对长时间遮挡和非常复杂的目标混叠进行有效的处理。该算法的跟踪误差小,在真实场景中,对运动员的平均跟踪误差约1-2个像素。读者可下载演示程序,亲自体验该算法的实时性和鲁棒性:
演示程序:http://www.shenlejun.cn/download/2011BISP.zip (17MB)(注意:为了对视频进行解码,请安装附带的XviD解码器!程序会自动提示读者并安装该解码器)
演示视频:http://www.shenlejun.cn/download/11bisp-2.mpg (14MB)
相关论文:Real-time Tracking of Multiple Objects by Linear Motion and Repulsive Motion(2014年12月更新)
C++源代码(2014年12月更新)
关键词:马尔可夫链,马尔可夫模型,随机场,马尔可夫随机场,粒子滤波器,目标跟踪