【发布时间】：2012-11-10 19:05:51
【问题描述】：
我应该使用压缩算法来跟踪视频中移动的对象。物体的初始位置（例如边界框中心的坐标）和大小（边界框的宽度和高度）是已知的。
对象在笛卡尔平面上的位置和大小是它的状态。给定对象的位置和大小的初始值，我应该如何初始化样本？另外，我应该如何初始化权重？
【问题讨论】：
标签： algorithm language-agnostic probability particle-filter
【发布时间】：2012-11-10 19:05:51
【问题描述】：
准确的起始位置
如果您确定起点/大小，则可以将所有样本设置为已知值。权重可以设置为您喜欢的任何值（例如全部相等），因为压缩算法的第一步将从旧样本中选择 N 个新样本。
（选择哪些样本取决于相对权重，但由于所有样本都相同，因此总是会给出相同的答案。）
大概的起始位置
如果您有一个近似的起始位置（例如，可能以几个像素的精度给出起始位置），那么您可以通过选择代表起始分布的样本来获得更好的结果。
这样做的一种方法是在允许的值范围内选择样本，并将权重设置为等于 PDF 的相应值。然后，您需要第二次通过对权重进行归一化，以使权重之和等于 1。
【讨论】：
-
好吧，我有一个大概的起点，那么我应该使用哪个分布？
-
您需要一些模型来处理近似误差。常见的模型可能是假设具有一定标准偏差的均匀误差或高斯误差分布。例如如果误差通常在 +-10 像素内，那么简单地为误差选择一个从 -10 到 +10 的均匀分布就可以了。