基于稀疏表達和機器學習的目標跟蹤的研究.pdf_第1頁
已閱讀1頁，還剩72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、目標跟蹤技術(shù)是計算機視覺中最核心的研究課題之一，究其原因是目標跟蹤技術(shù)在人們的日常生活和高端的軍事領域有重要的作用，并且有廣闊的應用前景。然而，由于場景中的光照變化、動態(tài)背景噪聲、目標形變和目標的遮擋等因素，使得目標跟蹤技術(shù)在實際應用中很難確保準確性和穩(wěn)定性。
　　近幾年，基于稀疏表達的目標跟蹤算法在目標跟蹤領域中是一個熱點，而且取得了不俗的效果，但是基于稀疏表達的目標跟蹤算法還存在幾個問題，如:灰度特征對于光照、姿態(tài)變化和遮擋不

2、夠魯棒;需要對每一個粒子求l1范數(shù)最小化，使得計算復雜度高。為了解決這兩個問題，本文利用Gabor特征建立字典，解決灰度特征對光照變化和尺度變化的敏感性問題，利用候選粒子字典篩選重要粒子，解決l1跟蹤器計算復雜度高的問題。在基于稀疏表達的目標跟蹤算法中，一般都是用單個特征，然而由于單個特征不夠魯棒，本文提出基于稀疏表達的多特征融合機器學習的目標跟蹤算法。為了克服全局模板的在處理局部變化不靈活性和由遮擋引起目標模板與候選模板匹配誤差大的問

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