知识卡片
复杂场景的三类干扰
目标检测与跟踪要在真实视频中把目标从背景里分离出来并持续定位,而成像条件很少理想。三类干扰会系统性地拉低精度:
- 背景自身运动:空气扰动、载具或云台抖动使相机无法完全静止,背景像素整体位移,任何“背景静止”的假设都随之失效。
- 背景复杂:树木摆动、烟雾、云层等自然因素,以及隐身涂层、伪目标等人为因素,降低对比度与信噪比,使目标与杂波在灰度上难以区分。
- 序列中的目标变化:尺度与外观改变、部分或全部遮挡、遮挡后消失又重现、光照变化、相似物干扰。
三者的共同后果是“目标证据被削弱、干扰证据被增强”,因此固定阈值分割和单纯相似度匹配都容易崩溃。评估一个算法时,先问它默认哪一类干扰不存在,就能预判它在什么场景下失效。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第1章 概述
原书出处 · 1 处
- 第1章 概述 · 查看原书依据
受到空气扰动、载体运动等因素的影响,在采集图像时,成像设备往往不能完全保持静止,从而导致图像背景发生运动
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第1章 概述(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt001.html)
- 结论依据:目标检测与跟踪要在真实视频中把目标从背景里分离出来并持续定位,而成像条件很少理想。
- 原始内容:受到空气扰动、载体运动等因素的影响,在采集图像时,成像设备往往不能完全保持静止,从而导致图像背景发生运动