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(lǐng)
文檔簡介
1、視覺目標跟蹤作為計算機視覺的重要研究課題,具有十分重要的科研價值。而其又作為智能監(jiān)控、運動識別、人機交互等智能化得以實施的基礎(chǔ)性技術(shù),在實際應(yīng)用上也具有非凡的意義。但受光照變化、局部遮擋以及目標形變等因素影響,視覺目標跟蹤在實際場景下的效果往往差強人意,從而影響了之后動作識別等更高級任務(wù)的實際應(yīng)用,阻礙了社會智能化的進一步推進。本文為了提高視覺目標跟蹤算法針對各類場景的魯棒性,對視覺目標跟蹤算法進行了梳理與分析,并針對基于低秩矩陣表示的
2、視覺目標跟蹤算法存在的缺陷,做出了以下三點改進:
(1)對算法中的目標特征描述模塊進行了擴充。針對低秩矩陣表示的目標描述方法對遮擋目標描述不佳的問題,在使用全局低秩矩陣對目標進行全局描述的基礎(chǔ)上加入了基于局部低秩矩陣表示的目標細描述,通過局部系數(shù)特征的引入,增強目標描述方法在遮擋等挑戰(zhàn)場景下的穩(wěn)定性。而為了進一步地抑制視覺目標跟蹤過程中漂移現(xiàn)象的出現(xiàn),在全局字典中加入了背景模板,通過對目標模板和背景模板系數(shù)的不同處理,增強目標
3、特征描述模塊輸出特征的可靠性。而對于低秩矩陣表示等模板類描述方法中可能出現(xiàn)的異常值現(xiàn)象,嘗試引入了最大池化特征來對系數(shù)矩陣進行修正,并得到不錯的效果。
?。?)對目標狀態(tài)估計模塊的粒子權(quán)重計算規(guī)則進行了重新定義。針對現(xiàn)有算法粒子權(quán)重計算規(guī)則過于簡單不夠穩(wěn)定的缺陷,將粒子的權(quán)重細分為了全局權(quán)重和局部權(quán)重,通過分別度量粒子與目標的全局相似性和局部相似性,實現(xiàn)對粒子與目標相似性的綜合判定,從而提高粒子權(quán)重的可信度。而針對粒子權(quán)重計算受
4、目標遮擋情況影響較大的難題,在局部權(quán)重的計算中加入了局部塊篩選機制,通過將發(fā)生遮擋的局部塊排除出局部權(quán)重的計算考量范圍,降低遮擋情況對粒子與目標相似性度量的影響。
?。?)對模型參數(shù)更新模塊中的字典更新策略進行了改進。通過對不同時間的目標模板以不同的概率進行替換更新,降低了較早時間目標模板被替換的概率,從而在保證字典中信息貼近目標最新狀態(tài)的同時,提高了字典中目標信息的準確性。而為了避免字典中遮擋物信息的引入,在字典更新策略中加入
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。
最新文檔
- 基于低秩投影與稀疏表示的視覺跟蹤算法研究.pdf
- 基于低秩表示的運動目標檢測與跟蹤.pdf
- 基于低秩稀疏表示的目標跟蹤算法研究.pdf
- 基于低秩矩陣與稀疏矩陣分解的語音增強方法.pdf
- 基于低秩矩陣填充的相位檢索方法研究.pdf
- 基于低秩表示的人臉識別方法研究.pdf
- 基于稀疏表示和低秩矩陣分解的人臉識別與圖像對齊方法研究.pdf
- 基于加權(quán)殘差和矩陣分解的快速低秩矩陣補全方法.pdf
- 基于子空間學習的低秩表示.pdf
- 基于低秩矩陣逼近的圖像恢復(fù)方法研究.pdf
- 基于稀疏表示和低秩表示的高光譜圖像波段選擇方法研究.pdf
- 基于稀疏表示的視覺目標跟蹤方法研究.pdf
- 基于低秩矩陣的視覺顯著性檢測及其應(yīng)用研究.pdf
- 低秩矩陣分解的正則化方法與應(yīng)用.pdf
- 基于低秩矩陣重建的光線空間采樣.pdf
- 基于稀疏低秩矩陣的有噪圖像修復(fù)方法研究.pdf
- 基于矩陣低秩逼近的動態(tài)MRI重建.pdf
- 基于低秩矩陣恢復(fù)的視頻修復(fù)研究.pdf
- 基于矩陣低秩近似的人臉識別方法研究.pdf
- 基于低秩矩陣估計的機器學習算法分析.pdf
評論
0/150
提交評論