對(duì)此算法的關(guān)注來(lái)自2017研究生數(shù)學(xué)建模D題問(wèn)題五。
問(wèn)題5：如何通過(guò)從不同角度同時(shí)拍攝的近似同一地點(diǎn)的多個(gè)監(jiān)控視頻中（如圖3所示）有效檢測(cè)和提取視頻前景目標(biāo)？請(qǐng)充分考慮并利用多個(gè)角度視頻的前景之間（或背景之間）相關(guān)性信息（一些典型視頻可從
http://cvlab.epfl.ch/research/surv/multi-people-tracking下載）

圖3 在室內(nèi)同一時(shí)間從不同角度拍攝同一地點(diǎn)獲得的視頻幀

轉(zhuǎn)自：http://blog.csdn.net/ctygehm/article/details/45747999

緣起
這個(gè)算法在國(guó)內(nèi)不多見(jiàn)，百度谷歌也沒(méi)有看到相關(guān)的資料，感覺(jué)這個(gè)算法是變分法在貝葉斯框架下的視覺(jué)算法中的一個(gè)很好的應(yīng)用，所以就把自己以前整理的一些內(nèi)容貼出來(lái)了。

什么是POM
Probabilistic Occupancy Map， 用于計(jì)算物體在平面上存在的概率，
原文見(jiàn)https://infoscience.epfl.ch/record/145991/files/FleuretBLF08.pdf
代碼見(jiàn)https://cvlab.epfl.ch/research/surv/multi-people-tracking。
多個(gè)相機(jī)從不同角度監(jiān)控同一場(chǎng)景，POM通過(guò)各視角運(yùn)動(dòng)檢測(cè)后的結(jié)果（二值圖像）計(jì)算所監(jiān)控平面上運(yùn)動(dòng)物體出現(xiàn)的概率。具體地，首先將被監(jiān)控平面劃分為等大小的矩形，每個(gè)矩形上有無(wú)物體（行人，后文不區(qū)分）的事件表示為Xi，當(dāng)Xi=1時(shí)表示有行人，否則無(wú)，POM可得到Pr(Xi=1)使下式最大：

建模
根據(jù)貝葉斯公式，有：

求解
變分法。

說(shuō)明
POM的運(yùn)行速度很慢，文中通過(guò)積分圖加速POM的計(jì)算，可實(shí)際運(yùn)行結(jié)果仍然很慢（1280×1024的圖像，4個(gè)視角，大概十幾秒處理一幀），不能實(shí)時(shí)運(yùn)行，對(duì)一般監(jiān)控任務(wù)而言不適用。但感覺(jué)這個(gè)方法相比一般多視角定位的方法，理論簡(jiǎn)潔，效果良好。期待并行算法的出現(xiàn)！

總結(jié)

以上是生活随笔為你收集整理的概率占据图（POM）算法理解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。