论文部分内容阅读
提出一种基于不确定分解子空间约束光流的柔性目标点跟踪算法,通过不确定分解理论将多帧多点光流估计矩阵变换到各向同性的具有超球状方差分布的空间中,在此变换空间中引入SVD分解得到最小均方意义下的子空间光流逼近,有效地减轻了传统L-K算法的孔径问题、深度不连续点的估计问题及长序列视频的漂移问题。标准测试序列和消费类USB摄像头采集的测试序列的实验结果都证明算法能有效地跟踪长视频序列中具有2-D和1-D甚至基本没有纹理的具有退化结构的柔性目标点。结果还可应用于柔性目标理解并可以作为半稠密的点对应来解决SFM