opencv - 在视频稳定中使用卡尔曼滤波器或粒子滤波器平滑运动

Question

我有个问题。我读过很多关于视频稳定的论文。几乎有论文提到使用卡尔曼滤波器平滑运动，因此它很强大并且可以在实时应用程序中运行。但是还有另一种强过滤器，那就是粒子过滤器。但是为什么我们不在平滑运动中使用 Partilce 过滤器来创建稳定的视频呢？有些论文只使用粒子滤波器来估计帧之间的全局运动（运动估计部分）。很难理解他们。谁能帮我解释一下，好吗？非常感谢。

Answer 1

卡尔曼滤波器是单模态的。这意味着它具有一个信念以及一个误差协方差矩阵，以将对该信念的置信度表示为正态分布。如果你要平滑某个过程，你想得到一个单一的、平滑的结果。这与 KF 一致。这就像使用最小二乘回归来拟合数据线。您正在将输入简化为一个结果。

粒子滤波器本质上是多模态的。卡尔曼滤波器将信念表示为中心值和围绕该中心值的方差，而粒子滤波器只有许多粒子，其值聚集在更有可能的区域周围。粒子过滤器可以表示与 KF 基本相同的状态（想象一下看起来像正态分布的经典钟形曲线的粒子直方图）。但是粒子过滤器也可以有多个驼峰或任何形状。这种具有多个同时模式的能力非常适合处理估计运动等问题，因为一种模式（粒子簇）可以代表一个移动，而另一种模式代表不同的移动。当出现这种歧义时，KF 将不得不完全放弃其中一种可能性，但粒子过滤器可以继续同时相信这两种情况，直到更多数据解决歧义为止。