光流估计中优化方法的比较
计算机视觉与模式识别
2016-05-03 v1
摘要
光流估计是计算机视觉中一个广为人知的问题，由Gibson, J.J(1950)引入以描述人类通过刺激物体产生的视觉感知。光流模型的估计可通过求解不同时间线上感兴趣区域的运动向量来实现。本文中，我们假设相邻两帧间速度略有均匀变化，并采用传统方法Lucas-Kanade(1981)解决光流问题。该方法对模板与扭曲回模板的目标帧之间的误差进行最小化。求解最小化步骤需要具有不同收敛率和误差的优化方法。我们探索了一阶和二阶优化方法，并将其结果与Lucas-Kanade中的高斯-牛顿法进行比较。我们通过合成物体生成了105个视频共10,500帧，以及来自真实世界片段的10个视频共1,000帧。我们的实验结果可用作Lucas-Kanade方法的调参依据。
引用
@article{arxiv.1605.00572,
title = {Comparison of Optimization Methods in Optical Flow Estimation},
author = {Noranart Vesdapunt and Utkarsh Sinha},
journal= {arXiv preprint arXiv:1605.00572},
year = {2016}
}