论文部分内容阅读
针对采用单一颜色特征对目标进行跟踪鲁棒性不高的问题,采用了颜色特征和纹理特征两种特征相结合来描述目标的方法,进而把融合后的特征应用到均值偏移跟踪框架中,有效的避免了单一颜色特征在光照变化和背景相似情况下的不稳定问题。实验结果表明该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。
融合纹理信息的均值偏移跟踪算法
【摘 要】
：
针对采用单一颜色特征对目标进行跟踪鲁棒性不高的问题,采用了颜色特征和纹理特征两种特征相结合来描述目标的方法,进而把融合后的特征应用到均值偏移跟踪框架中,有效的避免了单一颜色特征在光照变化和背景相似情况下的不稳定问题。实验结果表明该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。
【机 构】
：
兰州交通大学自动化与电气工程学院
【出 处】
：
信息技术
【发表日期】
：
2011年02期
其他文献
在检测和诊断模拟电路的故障中，为了解决传统的BP神经网络初始权值和阈值是随机选取的，容易陷入局部最小值，出现不收敛或收敛速度慢的缺点，文中提出了采用粒子群算法来优化传统BP
提出了一种基于相似度特性和三角形结构的复杂网络演化算法，利用平均场理论给出网络的度分布、聚类系数和平均距离等特性的理论分析，并利用NetworkX工具包进行仿真验证，证明该演