2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩82頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、智能視頻監(jiān)控中,受監(jiān)控環(huán)境多變、視角變化、光照亮度、盲區(qū)等因素影響,無重疊視域多攝像機間的目標匹配問題是一個具有挑戰(zhàn)性和重要研究價值課題。本文從機器學習的角度,結(jié)合外觀模型特征和距離測度優(yōu)化對這一課題進行了深入研究。主要內(nèi)容和創(chuàng)新點如下:
  (1)提出了一種特征與測度學習算法的關聯(lián)模型。在考慮運用特征描述符和目標分類測度學習中,不僅考慮尋找具有顯著區(qū)分度的特征描述符,而且在選擇測度學習算法中,通過分析圖像外觀模型特征和距離測度學

2、習算法之間的內(nèi)在聯(lián)系,建立了兩者的關聯(lián)模型,給出了多種測度學習算法下最具有區(qū)分度的特征類型,為利用多特征的目標匹配提供了參考。
  (2)提出了結(jié)合一種自適應在線學習的目標匹配方法。將目標匹配過程分為初始線下訓練、在線目標匹配、和測度更新三個階段,根據(jù)當前累計匹配正確的樣本狀況進行測度的調(diào)整,實現(xiàn)測度矩陣的自適應動態(tài)調(diào)整,使系統(tǒng)的匹配準確度始終維持在較高水平;還從人的視覺系統(tǒng)對色彩的敏感度角度出發(fā),提出用顏色顯著度對顏色直方圖進行

3、加權(quán)。解決了普通“線下訓練學習+線上匹配”模式的目標匹配方法在遇到大量偏離原始訓練數(shù)據(jù)分布的新數(shù)據(jù)時,因測度矩陣不能及時更新以反映當前情況造成準確度下降的問題。
 ?。?)提出了一種利用重排序提高搜索匹配目標效率的方法。受到雙向排序算法的啟發(fā),提出了一種基于重排序的DML目標匹配方法,通過探針圖像的前向查詢和原型圖像的反向查詢,計算樣本間的內(nèi)容相似性,通過共同近鄰數(shù)目和分布確定上下文相似性,最終對相似性得分排序得到新的排序序列,使

4、正確匹配樣本具有更高的可能性出現(xiàn)在排序序列靠前的位置,提高了從序列中搜索匹配目標的效率,解決了一次單向查詢得到的排序序列不夠可靠的問題。
  論文對以上提出的算法進行了實驗仿真和結(jié)果分析,驗證了算法的有效性。實驗結(jié)果表明,相同的測度學習算法在利用不同外觀模型特征時,匹配準確率會呈現(xiàn)1%-3%的差異,從而可以得到有效的關聯(lián)模型;自適應在線學習目標匹配方法在測試樣本數(shù)增多情況下,匹配準確率只有2%的小幅下降,而普通方法的降幅可達9%;

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論