【摘 要】
：
提出的基于三维在线表观模型的粒子滤波目标跟踪算法,以目标的独立特征为基础,分别从空域和时域对目标进行描述,构建目标的三维表观模型,并通过多重线性空间理论表达目标表观随时间推移引起的变化,实现模型的在线增量更新。采用粒子滤波方法,对每个独立线索分别进行在线权重估计,通过多线索的融合实现动目标的稳定跟踪。三维在线表观模型和在线跟踪机制使跟踪模型对目标与背景的在线区分能力得到进一步增强,保证了算法在目标
论文部分内容阅读
提出的基于三维在线表观模型的粒子滤波目标跟踪算法,以目标的独立特征为基础,分别从空域和时域对目标进行描述,构建目标的三维表观模型,并通过多重线性空间理论表达目标表观随时间推移引起的变化,实现模型的在线增量更新。采用粒子滤波方法,对每个独立线索分别进行在线权重估计,通过多线索的融合实现动目标的稳定跟踪。三维在线表观模型和在线跟踪机制使跟踪模型对目标与背景的在线区分能力得到进一步增强,保证了算法在目标表观变化时的跟踪稳定性。通过多种目标表观复杂变化的场景验证,均取得了良好跟踪效果。
其他文献
针对复杂场景文本难以有效分割的问题,提出一种复杂场景文本分割方法.首先,使用简单的线性迭代聚类(SLIC)算法将原始图像分割为若干局部区域,并在其区域邻接图上构建图割模型;然后,采用高斯混合模型(GMMs)和支持向量机(SVM)后验概率模型对场景文本进行建模,并引入每个局部区域与模型之间的匹配度用于计算似然能.为了增强GMMs的鉴别力,在参数学习中引入模型性能描述子,自适应地获得模型参数.实验结果
在有限采样情况下,研究具有时滞的多输入单输出受控自回归系统的参数辨识和时滞估计问题.当采样次数少于未知变量数时,描述系统的方程组是欠定的,对其目标函数求解是NP-hard问题,传统方法无法有效辨识出系统参数.受压缩感知理论的启发,基于参数向量所具有的稀疏特性,提出一种新的阈值正交匹配追踪算法辨识系统的参数和时滞.仿真实验表明,所提出的算法能在少量采样时有效地辨识系统参数、估计未知时滞,同时验证了算
Artistic video stylization, which is widely used in multimedia entertainment, transforms a given video into different artistic styles. Most of the existing video stylization algorithms can simulate si
Often only simple features are employed in mobile augmented reality(AR) due to the limited computational capacity of mobile terminals, which often leads to unsteadiness of the camera tracking. In this
目的:随着智能手机、数码相机的普及和互联网的高速发展,基于内容的场景类别识别对于图像数据库标注和检索具有重要意义。在场景类别数目比较多的情况下,本文基于概率隐语义分析(p LSA)和自适应提升(Ada Boost)算法,实现一种鲁棒的场景类别识别算法。创新点:记录p LSA学习得到的主题的位置关系,提出金字塔主题直方图;在词包(bag-of-words)模型中采用不同的兴趣点提取算子和不同的局部区
目的:几何形态的变化为变形图像配准带来了许多障碍。本文提出一个用以描述几何形变的数学模型,可以在变形图像配准中实现源图像与目标图像之间的平滑变换。创新点:提出一个新的图像配准模型,可以显著抑制局部几何形变对图像配准的影响并极大地提高配准准确性。方法:本文提出的配准模型中主要引入一个可以将几何形变区域正则化的L1范数。这一稀疏诱导范数可以通过抑制局部变换来实现平滑的全局变换。为保证算法的稳定性和快速
传统的频率-波数域成像方法能有效地重建均匀介质中的目标图像,但对于分层介质,不能生成聚焦的图像,而且目标也无法准确定位。考虑到各层介质介电常数的差异和层间的不连续性,该文推导了适用于分层介质的相移偏移成像方法。并由分层介质中点目标的散射传递函数,分析了成像方法所做的假设和数学近似。通过仿真模拟和试验,验证了所提的方法适用于分层介质实时成像。
基于稀疏表达的跟踪方法通常采用基于固定阈值的模板更新策略,很难适应不断变化的目标外形;其次,稀疏表达缺乏描述目标流行结构的能力,区分背景和目标的能力差.针对基于固定阈值的模板更新策略的不足,提出一种多级分层的目标模板字典.为了改善对背景和目标的区分能力,提出一种融合多级稀疏表达和度量学习的目标跟踪方法.实验结果表明了所提出的方法能有效提高跟踪的鲁棒性和精度.
图像目标识别是人工智能的一个基本问题,在安全监控、医疗诊断、人机交互等领域得到越来越广泛的应用。文章从目标识别的基本概述出发,首先介绍目标识别的识别系统,再分析典型的识别算法,并跟踪其进展,最后对目标识别存在的问题和发展的方向进行了思考和探讨。
针对目前视频异常入侵行为识别的不足,提出了基于三维虚拟警戒空间的异常入侵行为自动识别方法。基于人头检测与跟踪方法,根据视频监控场景中单一行人目标信息,建立行人三维平面方程,构建视频监控场景三维立体虚拟警戒空间,从而将行人是否进入二维场景警戒区域,转化为行人是否闯入三维立体虚拟空间,并基于行人头部投影射线的滑动滤波统计,实现行人是否入侵敏感保护区域的有效识别。所提方法不受设定警戒区域的规则形状限制,