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115頁未讀 繼續(xù)免費(fèi)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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、視頻目標(biāo)跟蹤技術(shù)在社會生活中隨處可見其身影,視頻目標(biāo)跟蹤技術(shù)作為人類視覺的延伸,在視頻監(jiān)控、人機(jī)交互、機(jī)器人導(dǎo)航以及自然災(zāi)害分析等方面都有廣泛的應(yīng)用。視頻目標(biāo)跟蹤仍舊存在許多問題,如光照變化、遮擋、背景抖動等等。盡管已經(jīng)有許多有效的目標(biāo)跟蹤算法,但都沒有徹底解決這些問題?;卺槍σ曨l跟蹤中一些關(guān)鍵算法的研究,主要涉及目標(biāo)表示、特征選擇、特征融合等技術(shù),本文提出了新的視頻目標(biāo)跟蹤改進(jìn)算法以提高在處理復(fù)雜場景時的精度和性能。論文的主要研究工

2、作與創(chuàng)新如下:
  首先,提出了一種基于聯(lián)合校正似然的背景加權(quán)直方圖(joint CB-LBWH)的均值漂移跟蹤算法。該算法同時利用特征顯著性和特征置信度作為加權(quán)判據(jù)來構(gòu)建直方圖,從而能夠有效降低目標(biāo)表示中的背景干擾。本文推導(dǎo)出基于似然的背景模型(LB),并進(jìn)而提出一種基于似然的背景加權(quán)直方圖(LBWH)方案,LBWH考慮了特征置信度;而校正背景加權(quán)直方圖(CBWH)考慮了背景特征的顯著性。這樣將 CBWH和LBWH結(jié)合,join

3、t CB-LBWH可以有效提高目標(biāo)直方圖模型的判別力,從而提高目標(biāo)跟蹤的精度和性能。對比實驗結(jié)果表明:在背景顯著變化和背景相似等復(fù)雜場景存在的情形,由joint CB-LBWH跟蹤器所改進(jìn)的目標(biāo)直方圖模型具有較高的判別力、較好的魯棒性和性能。
  其次,提出了一種基于前景顯著性的背景加權(quán)直方圖(FSBWH)的均值漂移跟蹤算法。本文推導(dǎo)出一個基于前景顯著性的背景模型(FSB)。進(jìn)一步用FSB提出一種新的基于前景顯著性的背景加權(quán)直方圖

4、(FSBWH)方案來融合背景和前景的顯著特征并用于目標(biāo)表示和跟蹤。該方案通過同時突出前景顯著特征和抑制背景特征干擾提高了目標(biāo)直方圖模型的判別力,從而提高了跟蹤器的精度和性能。對比實驗結(jié)果表明在背景顯著變化和遮擋等場景下,提出的FSBWH跟蹤器可以提高目標(biāo)直方圖模型的判別力及跟蹤器的效率和魯棒性。
  第三,提出了一種結(jié)合特征選擇和特征融合的目標(biāo)表觀模型生成方式以及基于協(xié)方差和自適應(yīng)特征選擇的粒子濾波(CVPF-FS)跟蹤算法。首先

5、擴(kuò)展方差比被用來選擇判別力強(qiáng)的特征,接著利用區(qū)域協(xié)方差描述符進(jìn)行目標(biāo)表觀建模。由于區(qū)域協(xié)方差描述符是一個強(qiáng)大的特征融合方法,使得算法的目標(biāo)表觀模型更具判別力。最后在線特征選擇和特征融合被集成進(jìn)粒子濾波框架中進(jìn)行魯棒跟蹤。對比實驗結(jié)果表明:CVPF-FS算法較準(zhǔn)確地建模了目標(biāo)的表觀,在遮擋、光照和尺度變化等復(fù)雜場景下是魯棒的,跟蹤效果不錯。
  基于視頻的運(yùn)動目標(biāo)跟蹤研究是計算機(jī)視覺領(lǐng)域中的挑戰(zhàn)性課題,本文的研究工作雖然取得了一定的

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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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