对象表示与特征表达

来自object tracking: a survey

对象表示

在计算机视觉中，不管进行什么操作，都是对对象的进一步分析，所以，对象的表示就是我们首先要考虑到的问题。

 

1）常见形状表示法：

1，点。

 用一个点，或者用一系列点表示对象，例如图中的（a）（b）.这种表示法一般用于在图像中占据很小区域的对象。

2，简单的几何图形。

用简单的几何图形表示对象，比如矩形或者椭圆，例如图中的（c）（d）.

3，轮廓。

用对象的轮廓来表示对象。例如图中的（g）（h）（i）.

4，链状模型。

通过关节将各部件连接起来表示对象。例如图中的（e）.其中，各部件用圆柱或者椭圆表示。

5，骨骼模型。

通过对对象轮廓进行中间轴转换提取可得到对象的骨骼架构，（也可以通过关键关节点的定位来推测对象的骨骼，这种方法常用于姿态识别中）例如图中的（f）.

2)常见外观表示法：

1，物体外观的概率密度。

物体外观的概率密度评估可以分为参数形式的和非参数形式的，参数形式的比如高斯分布非参数形式的比如直方图。物体外观特征（颜色，纹理）的概率密度可以通过指定图像区域的形状模型（椭圆或者轮廓的内部区域）计算出来。

2，模板。

由简单的几何图像和轮廓组成。

3，主动外观模型。

物体的形状通常用一系列的标记表示，类似之前的轮廓表示法。

4，多视角外观模型。

就是从不同视角对对象进行编码。比如子空间法。这种模型的局限在于所有视角的视图都需要提前形成。

 

特征选择

特征选择的好坏直接影响后续目标的表达。常见的特征选择方法有以下几种。

1，颜色。

在图像处理中，RGB颜色空间在视觉上不均匀，且在维度上有很强的相关性，相比之下的HSV(色彩，饱和度，值)等在视觉上比RGB均匀，可是这些颜色空间对噪音很敏感。

2，边界。

相较于颜色特征，边界特征对图像光照的敏感程度低。代表算法有边界探测法。

3，视觉流。

视觉流用灰度约束来表示，认为相邻帧中对应的像素点的灰度值不变。

4，纹理。

纹理是一种对表面量化属性（如光滑度和规则度）的强度变化的度量。类似边界特征。