注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 目标跟踪算法综述_孟琭.pdf

  2. 目标跟踪一直以来都是计算机视觉领域的关键问题, 最近随着人工智能技术的飞速发展, 运动目标跟踪问题得到了越来越多的关注. 本文对主流目标跟踪算法进行了综述, 首先, 介绍了目标跟踪中常见的问题, 并由时间顺序对目标跟踪算法进行了分类: 早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法. 接下来, 对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较. 最后, 使用 OTB-2013 数据集对目标跟踪算法进行测试, 并对结果进行分析, 得出了以下结论: 1

  3. 所属分类：图像处理

    • 发布日期：2019-08-21
    • 文件大小：1mb
    • 提供者：qq_28005905

  1. 自适应特征融合与抗遮挡的相关滤波跟踪算法

  2. 为了解决特征融合目标跟踪(Staple)算法在复杂场景中固定权重融合方式的局限性,在其基础上进行改进并引入通道置信度,提出了一种自适应特征融合与通道加权的抗遮挡相关滤波跟踪算法。先引入多维特征描述,根据每个通道上滤波模板的响应峰值,计算通道权重;再根据特征模型的响应结果,计算模型的可靠性,确定模型的融合权重,从响应结果的角度完成特征融合;最后根据历史帧的平均峰值相关能量,以及当前帧图像与前一帧图像的均方误差,来判断目标的遮挡情况,并进行模型更新。在OTB-2013和OTB-100数据集上进行实验

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：16mb
    • 提供者：weixin_38745648

  1. 自适应特征选择的相关滤波跟踪算法

  2. 针对相关滤波方法对快速运动与快速变形的目标跟踪稳定性较差的问题,提出一种自适应特征选择的相关滤波跟踪算法。利用位置滤波器和颜色概率模型提取候选区域中的基础特征,对基础特征以不同的权重分配方式进行融合,得到多个融合特征。对融合特征进行可信度判定,选择可信度较高的融合特征作为当前帧的跟踪特征,估计出目标的候选位置。若最高可信度低于可信度阈值,启动检测器重新检测目标位置,否则候选位置即为目标最终位置。与此同时,对目标模型进行更新,确保模型对目标描述的准确性。在标准数据集OTB50和OTB100上进行大

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：14mb
    • 提供者：weixin_38660813

  1. 基于在线检测和尺度自适应的相关滤波跟踪

  2. 针对相关滤波跟踪在遮挡及目标尺度变化等情况下容易跟踪失败的问题, 提出一种基于在线检测和尺度自适应的相关滤波跟踪算法。相关滤波跟踪器融合方向梯度直方图特征、颜色属性特征和光照不变特征进行目标定位；通过局部稀疏表示模型的重构残差进行遮挡判别, 如果发生遮挡则进行在线支持向量机检测, 实现目标重定位；进行由粗至精的尺度估计, 通过尺度预估计和牛顿迭代法得到目标的精确尺度。采用均衡的模型更新策略, 固定更新相关滤波器, 保守更新稀疏表示模型和支持向量机。实验结果表明:与现有跟踪算法相比, 所提算法能有

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：15mb
    • 提供者：weixin_38638312

  1. 自适应特征融合和模型更新的相关滤波跟踪

  2. 针对复杂场景下单个特征的稳健性差,以及目标存在背景干扰和目标遮挡时跟踪失败的问题,提出一种基于自适应特征融合和模型更新的相关滤波跟踪算法。该算法在核相关滤波的基础上,通过对不同特征的响应图采用平均峰值-相关能量的方法进行加权求和,实现了响应图层面的自适应特征融合。根据响应图的峰值特性计算自适应权重,以其作为置信度确定模型的更新率,进而设计自适应模型更新方法。实验结果表明,该算法能够很好地适应背景干扰、目标遮挡、旋转运动等复杂场景,与近年来优秀的相关滤波跟踪算法相比,所提算法的平均距离精度比其中最

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：12mb
    • 提供者：weixin_38598703

  1. 融合多层卷积特征自适应更新的目标跟踪算法

  2. 针对传统手工特征表达能力不足和滤波器模型存在误差累积的影响,提出一种融合多层卷积特征自适应更新的目标跟踪算法。该算法采用分层卷积神经网络提取图像特征,利用线性加权的方法融合多层卷积特征预测目标位置;利用多尺度下目标卷积特征确定目标最佳尺度;利用平均峰值相关能量评价目标响应的置信度,根据相邻两帧目标图像的帧差均值和位移评估目标的运动情况,根据预测位置可信度和目标图像外观变化,调整滤波器模型的学习率。在OTB-2013公开测试集上验证本算法性能,并与现有基于相关滤波的主流运动目标跟踪算法进行相比,实

  3. 所属分类：其它