Jestem studentką studiów magisterskich, przygotowuję seminarium z wizji komputerowej. Jednym z tematów jest tracker Kanade-Lucas-Tomasi (KLT), jak opisano w
J. Shi, C. Tomasi, „Dobre funkcje do śledzenia” . Postępowanie CVPR '94.
Oto zasób internetowy , którego używam do zrozumienia modułu śledzącego KLT. Potrzebuję pomocy z matematyką, ponieważ jestem trochę zardzewiały w algebrze liniowej i nie mam wcześniejszego doświadczenia z wizją komputerową.
W tej formule dla (krok 5 w podsumowaniu) zwróć uwagę na odwrotny Hesjan:
W artykule dobre funkcje do śledzenia są zdefiniowane jako takie, w których suma odwrotnych macierzy Hesji ma duże, podobne wartości własne: . Matematycznie nie byłem w stanie zrozumieć, jak i skąd się to bierze.
Intuicja jest taka, że stanowi to róg; Zdobądź to. Co to ma wspólnego z wartościami własnymi? Spodziewam się, że jeśli wartości Hesji są niskie, nic się nie zmieni i nie będzie to róg. Jeśli są wysokie, to jest róg. Czy ktoś wie, w jaki sposób w wartościach własnych odwrotnego Hesji bierze udział intuicja pustkowia w celu określenia we wszystkich iteracjach modułu śledzącego KLT?
Udało mi się znaleźć zasoby, które twierdzą, że odwrotna Hesja koreluje z macierzą kowariancji obrazu. Co więcej, kowariancja obrazu wskazuje zmianę intensywności, a wtedy ma to sens ... ale nie byłem w stanie znaleźć, czym dokładnie jest matryca kowariancji obrazu w odniesieniu do obrazu, a nie wektora czy zbioru obrazów.
Również wartości własne mają znaczenie w zasadzie w analizie składowej, dlatego wpadam na pomysł macierzy kowariancji obrazu, ale nie jestem pewien, jak zastosować to do Hesji, ponieważ zwykle stosuje się to do obrazu. O ile rozumiem, Hesjan jest macierzą definiującą 2. pochodne dla , i w określonym miejscu .
Byłbym bardzo wdzięczny za pomoc w tym, ponieważ pracuję nad tym od ponad 3 dni, jest to tylko jedna mała formuła i czas się kończy.