在视频稳定中使用卡尔曼滤波器或粒子滤波器平滑运动

Posted 2023-02-21

【中文标题】在视频稳定中使用卡尔曼滤波器或粒子滤波器平滑运动

【英文标题】：Smoothing motion by using Kalman Filter or Particle Filter in video stabilization

【发布时间】：2014-07-25 06:19:52

【问题描述】：

我有问题。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。

【参考方案1】：

卡尔曼滤波器是单模态。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。

粒子过滤器本质上是多模态。在卡尔曼滤波器将置信度表示为中心值和围绕该中心值的方差的情况下，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。粒子滤波器可以表示与 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。