首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 909 毫秒

1.  用基于二值化规范梯度的跟踪学习检测算法高效跟踪目标  
   程帅  曹永刚  孙俊喜  刘广文  韩广良《光学精密工程》,2015年第23卷第8期
   为提高复杂环境下TLD(Tracking-Learning-Detection)算法的跟踪精度和速度,提出基于二值化规范梯度(BING)的高效TLD目标跟踪算法。在跟踪器中引入基于时空上下文的局部跟踪器失败预测方法和全局运动模型评估算法,提高了跟踪器准确度和鲁棒性;用BING算法取代滑动窗口搜索策略,结合级联分类器实现目标检测,减少了检测器的检测范围,提高了检测的处理速度;将训练样本权重整合到在线学习过程中,改进级联分类器的分类准确度,解决了目标漂移问题。对不同的图片序列实验结果表明:本算法的跟踪正确率达85%,帧率达19.79 frame/s。与原始TLD算法及其他主流跟踪算法相比较,该算法在复杂环境下具有更高的鲁棒性、跟踪精度及处理速度。    

2.  基于核函数粒子滤波和多特征自适应融合的目标跟踪  被引次数:1
   袁广林  薛模根  谢恺  姚翎《计算机辅助设计与图形学学报》,2009年第21卷第12期
   经典粒子滤波及其改进算法在观测模型与真实情况存在偏差时会导致滤波发散,针对这一问题,提出一种核函数粒子滤波算法.该算法根据目标状态与粒子状态之间的距离,利用核函数产生权值对粒子进行二次加权,根据粒子的二次加权结果进行粒子重采样;以改进的粒子滤波算法为框架,提出了一种自适应多特征融合目标跟踪方法,利用相似性度量动态地评价特征对目标与背景的区分能力,并自适应地计算特征融合权重,以适应目标跟踪过程中目标与背景的变化,提高目标跟踪的鲁棒性.实验结果表明,文中提出的目标跟踪方法比经典粒子滤波目标跟踪方法具有更强的抗干扰性能和较高的跟踪精度.    

3.  基于点模式匹配的前视目标定位算法  被引次数:1
   鲁统伟  刘继忠  高晓颖  桑农《光电工程》,2008年第35卷第6期
   本文提出了一种基于点模式匹配技术的快速和鲁棒性的前视目标定位算法.该算法将前视目标定位问题转化为三维点集和二维点集的匹配问题.建立点集之间一一对应双向约束下的匹配目标函数,通过最小化该目标函数可以同时得到点集之间的匹配矩阵和变换参数.利用确定性退火算法中的退火温度来控制匹配矩阵的模糊度,增强了算法的鲁棒性,减小了陷入局部极小的可能性.实验结果验证了该算法的有效性和鲁棒性.    

4.  基于仿射变换模型的图像跟踪系统的实现  
   翟春艳  陈文博《电子设计工程》,2012年第20卷第15期
   文中设计研制了一种新型的基于仿射变换模型的实时图像跟踪系统。本跟踪系统已经通过实践检验,能够稳定的、准确的、快速的跟踪目标。并且系统有很大的升级潜力,除了能够满足仿射变换跟踪的要求之外,还能适用于其他的一些算法,构成鲁棒性更强的图像跟踪系统。实践证明该跟踪系统性能优于经典的相关跟踪系统。    

5.  摄像机网络中的一种多目标分布式跟踪策略  
   谭鹤毅《电子测量与仪器学报》,2019年第5期
   为了实现摄像机网络中的多目标分布式跟踪和解决存在的"朴素"问题,提出了一种基于信息一致性的多目标分布式跟踪策略。首先通过对分布式多目标跟踪问题的建模,得到基于平均一致性和信息加权一致性的网络中每个节点的最佳状态估计值及其信息矩阵;然后通过考虑虚假测量值和一致性融合,将来自于多个传感器的测量值与具体的目标关联起来,得到采用信息形式融合来自于多个传感器的测量值的状态估计方程,从而实现对多目标的数据关联和分布式跟踪。仿真实验结果表明,提出的多目标信息一致性跟踪算法相比于目前几种先进的跟踪算法,在平均误差性能方面不仅对于虚假测量值/杂波具有更好的鲁棒性,而且也有更好的收敛性。    

6.  基于核密度估计和马尔科夫随机场的运动目标检测  
   魏磊  魏江《电子设计工程》,2012年第20卷第4期
   针对目标和背景具有空间连续性的特点,提出一种基于核密度估计和马尔科夫随机场的运动目标检测方法。首先利用核密度估计计算像素点属于背景的概率密度,在特征向量中加入颜色空间运动矢量分量来提高对背景扰动和光照变化的鲁棒性;然后构造马尔科夫随机场,提出一种马尔科夫随机场能量函数代价项的构造方法,通过最小化其能量函数得到目标分割结果。实验结果证明,该运动目标检测算法对背景扰动和光照变化具有更好的鲁棒性,错误检测率更低。    

7.  基于自适应表面模型的概率视频跟踪算法  
   李安平  敬忠良  胡士强《控制与决策》,2007年第22卷第1期
   提出一种鲁棒自适应表面模型,该模型中每个像素值的变化过程由一混合高斯分布描述.为了适应目标表面的变化,这些高斯参数在跟踪期间通过在线的EM算法自适应更新;在估计目标状态时。采用了粒子滤波算法。设计了基于自适应表面模型的观测模型;在处理遮挡时,采用了一种鲁棒估计技术.多组试验结果表明,该算法对光照变化、姿态变化、部分或完全遮挡下的跟踪具有较强的鲁棒性.    

8.  自适应模板更新的人体目标跟踪算法  
   郭森  柳伟  王建华《计算机与数字工程》,2008年第36卷第9期
   针对人体目标所具有非刚性、非对称性、多态性的特点,提出了自适应模板更新的人体目标跟踪算法.基于Kalman滤波器,根据人体形态变化自适应调整目标像素的权值,从而获得更柔性、更合理的模板.将该方法与mean shift跟踪算法相结合应用于人体目标跟踪,通过实验证明具有很好的鲁棒性和稳定性.    

9.  非线性非高斯模型的改进粒子滤波算法  
   周航  冯新喜  王蓉《信号处理》,2012年第28卷第9期
   针对被动定位跟踪系统非线性强、传统跟踪滤波方法收敛速度慢且容易发散的问题,给出了一种用于纯方位目标跟踪的改进粒子滤波算法.该算法首先用有限的高斯混合模型来近似后验状态密度;其次针对随机噪声对粒子权值准确性的影响,给出了改进的变权平均似然函数.根据X2检验,对每个粒子权值的更新,采取由多次观测值计算粒子似然函数并对其求变权平均和单一观测值求似然函数相结合的方式进行,既减小随机观测噪声对权值的影响也提高了算法实时性;最后利用基于退火机制的Aitken加速EM算法(A-DAEM)取代传统粒子滤波的再采样过程,克服了EM算法容易陷入局部最值的缺点,改善了粒子枯竭的问题.仿真实验结果表明该算法与变权平均似然函数粒子滤波(PF-ALDP)和基于EM的高斯混合粒子滤波(EM-GMPF)相比,具有高精度估计能力和较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法.    

10.  基于三角区间软约束的模型预测控制算法  
   孙超  戴睿  郝晓辰  刘彬  周湛鹏《化工学报》,2015年第6期
   针对设定值控制多入多出(MIMO)系统在外界干扰下系统自由度低和鲁棒性差的问题,提出了兼顾定值控制与鲁棒性的基于三角区间软约束的模型预测控制算法。文中算法在设定值控制的基础上增加了三角区间软约束,使得控制目标分阶段达成,以减小干扰对系统的影响,提高系统自由度及鲁棒性。最后,对算法的鲁棒性进行了分析,并采用 Shell 公司的典型重油分馏塔进行仿真实验,通过与设定值控制结果的对比,证明了文中算法有更好的鲁棒性及更优良的控制品质。    

11.  基于外观模型粒子滤波稳健视觉的跟踪算法  
   彭甜  周越《微型电脑应用》,2010年第26卷第11期
   提出了一种基于目标外观模型的粒子滤波跟踪算法,即在粒子滤波跟踪算法中,提出的外观模型作为目标的视觉特征的描述方法来建立目标模板。与常用的颜色直方图不同,提出的外观模型不仅有目标的颜色信息,同时还保留了像素的空间信息。由于自身的持续更新机制,即使在经历长时间的跟踪过程之后,该外观模型仍然能有效的作为当前帧的候选目标的参照模板。基于以上特点,本跟踪算法在目标的大小、方位、旋转角度发生较大变化或背景对前景目标有大面积遮挡的情况下,也能十分稳健的跟踪目标。在多目标的跟踪应用中,本算法结合目标层次划分的技术,能够有效的处理多个目标之间相互遮挡的棘手问题。实验结果证明,与基于颜色直方图的粒子滤波跟踪算法相比,本算法具有更好的鲁棒性。    

12.  应用自适应多测量融合粒子滤波的视场跟踪  被引次数:2
   田隽  钱建生  李世银  厉丹《光学精密工程》,2010年第18卷第10期
   针对矿井跟踪视场中由于单一线索对目标特征描述缺乏可分性以及多线索融合策略对场景变化缺乏自适应性导致人员跟踪失效的问题,提出了基于自适应多测量融合粒子滤波的矿井人员跟踪算法。将粒子邻域光流统计信息表征的运动性作为线索建立运动光流直方图模型,并与颜色相融合建立多观测模型。将单观测估计状态粒子区域与融合估计粒子区域的质心距离作为单观测模型贡献率度量因子,定义了观测权值自适应策略,实现了粒子观测模型与跟踪目标状态特征的同步变化;通过建议重采样函数对粒子落入低观测似然时进行有效的采样补偿,增强了跟踪的鲁棒性。实验结果表明,本算法能够有效地解决矿井跟踪视场下(背景复杂)由于场景变换而导致跟踪目标丢失的问题;将本文算法与基于颜色和基于颜色与帧差分融合的粒子滤波算法做状态估计均方误差比较,结果表明,状态估计准确率提高了1.57倍。    

13.  基于L2范数最小化的实时目标跟踪  
   齐美彬  杨勋  杨艳芳  陆磊  蒋建国《中国图象图形学报》,2014年第19卷第1期
   在贝叶斯推理框架下,基于稀疏表示的跟踪算法能够较好地处理目标在视频场景中的各种复杂的外观变化,取得较为鲁棒的跟踪效果,但算法的计算复杂度很高,很难满足实时性要求。针对稀疏跟踪算法的这一问题,提出了一种基于l2范数最小化的实时目标跟踪算法。将PCA子空间目标表示与l2范数最小化进行结合,去除稀疏跟踪算法中常用的琐碎模板集,建立了基于l2范数最小化的目标表示模型以及将遮挡等因素考虑在内的观测似然度函数。在大量的实验测试集上的对比实验结果显示,该算法和多个非常优秀的跟踪算法相比,可以达到相同甚至更高的跟踪精度,而且在多个测试集上可以达到每秒20帧的速度。该算法可以很好地应对视频监控场景中遮挡、光线突变、尺度变化和非刚性形变等干扰,同时算法复杂度低,满足了实时要求。    

14.  基于黎曼流型度量的人工鱼群算法视觉跟踪  
   丁昕苗  郭文  徐常胜《计算机科学》,2012年第39卷第5期
   针对经典的基于协方差算子的跟踪方法不能适应目标的遮挡及其全局搜索造成的过多计算消耗问题,提出了一种在黎曼流型度量上的人工鱼群算法的视觉跟踪方法。该方法将融合了目标的位置、颜色、梯度等特征区域的协方差算子作为目标的表观模型,以提高它对姿态变化以及亮度变化的适应性。利用人工鱼群算法搜寻目标与候选目标之间最优的匹配,其并行运算机制提高了跟踪算法的效率,其全局搜索的能力则提高了算法对遮挡问题的鲁棒性。实验结果表明,该算法在复杂背景情况下具有目标跟踪的鲁棒性。    

15.  融合残差Unscented粒子滤波和区别性稀疏表示的鲁棒目标跟踪  被引次数:2
   杨彪  林国余  张为公  路小波  张宇歆《中国图象图形学报》,2014年第19卷第5期
   (目的)提出一种鲁棒的目标跟踪算法,将区别性稀疏表示模型应用于残差Unscented粒子滤波(RUPF)跟踪框架,从而实现对目标高效准确的跟踪。(方法)利用Unscented卡尔曼(UKF)滤波技术将目标的量测信息引入提议分布,并使用马尔科夫蒙特卡洛(MCMC)移动改进采样结果,提高了滤波的精度,同时有效防止了粒子的退化和贫化。基于稀疏表示建立区别性的目标观测模型,引入的背景成分可以增强算法分辨目标与背景的能力。采用可变方向乘子法(ADMM)解决稀疏表示中的L1优化问题,有效的提升了算法的执行效率。(结果)通过和其它跟踪算法一起对标准测试视频进行的大量定性与定量的实验表明,本文提出的跟踪算法的跟踪精度高于一些常见的跟踪算法,同时其时间复杂度低于传统的几种基于稀疏的跟踪算法。(结论)随着硬件技术的不断发展,UKF滤波技术的速度不断提升,保证了本文算法可以在较高准确率下有更快的执行速度。    

16.  基于优化M-S模型的多目标鲁棒跟踪  
   苏洁  印桂生  魏振华  刘亚辉《哈尔滨工程大学学报》,2010年第31卷第9期
   针对光照变化情况下多遮挡目标的跟踪准确率差的问题,提出了一种基于优化M-S模型的鲁棒多目标跟踪算法.利用抗噪声性能高的优化M-S模型实现复杂环境下多目标精确识别与提取,降低模糊边缘、噪声的影响;利用区域像素标记方法建立目标和背景的边缘特征,在目标发生相互遮挡情况下也能够提取各个目标独立、完备的边缘特征.为了降低联合粒子滤波的计算复杂度,提高跟踪实时性,提出了简化联合滤波跟踪模型.仿真实验证明了该算法的正确性和有效性,与经典的差分跟踪算法、基于颜色特征的跟踪算法比较,对噪声边缘和变化光照环境敏感性降低,跟踪有效率统计分析表明鲁棒性提高1.82%,准确率提高1.36%.    

17.  粒子群优化点匹配算法  
   赵建辉  张宪  李志勇  李良洪  付少波《微计算机信息》,2010年第15期
   点匹配问题一直是计算机视觉,模式识别,医学临床诊断等领域的一项重要基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数,通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数,利用粒子群优化算法求解变换参数。实验表明,该算法适用于点匹配,具有操作方便,可靠性好,不易陷入局部极值等优点。    

18.  基于多特征Mean Shift的人脸跟踪算法  被引次数:3
   张涛  蔡灿辉《电子与信息学报》,2009年第31卷第8期
   该文把局部三值模式(Local Ternary Patterns, LTP)纹理特征引入Mean Shift跟踪算法,提出了基于多特征的Mean Shift人脸跟踪算法以解决Mean shift跟踪算法的鲁棒性问题。通过对LTP纹理特征的分析、研究,提出了一个LTP关键纹理模型,既增强了目标的关键纹理信息,又简化了LTP纹理模型。在此基础上,提出一种基于LTP关键纹理特征和肤色特征的Mean Shift人脸跟踪算法,有效地解决了Mean Shift算法的鲁棒性问题。为进一步提高对快速运动目标的跟踪速度和跟踪性能,该文引入了卡尔曼滤波器对目标进行预测。实验结果表明,该文的算法在目标定位的准确性和跟踪性能上比Mean Shift算法均有明显的提高。    

19.  多步历史估计信息反馈多模型融合方法  
   申屠晗  薛安克  骆吉安《控制理论与应用》,2015年第32卷第1期
   针对强机动和大观测误差下的目标跟踪问题,传统低阶多模型融合方法存在估计精度较低、鲁棒性较差的缺点;高阶多模型融合方法面临计算量增大和保证实时性之间的矛盾.为此本文针对一类多步稳健机动目标跟踪问题提出一种基于历史估计信息反馈的多模型融合框架,首先累积和反馈历史估计信息,然后结合当前量测计算多阶模型序列的似然函数,最后得到贝叶斯后验融合结果.同时结合粒子滤波构建了易于工程实现的粒子滤波历史反馈多模型融合算法(PF-HFMM).仿真表明,与传统粒子滤波多模型算法相比,本法显著提高了估计精度和鲁棒性.    

20.  基于深度特征与局部约束掩膜的相关滤波跟踪算法  
   王译萱  吴小俊《数据采集与处理》,2019年第34卷第5期
   为提升相关滤波算法在目标遮挡、快速运动以及背景杂乱等情况下跟踪结果的精确度和鲁棒性,提出了一种基于深度特征与局部约束掩膜(Local constrained mask, LCM)的相关滤波跟踪算法。在鉴别性相关滤波跟踪算法的基础上,利用学习得到的二值矩阵作为LCM对滤波器的能量分布进行裁剪,对模板边缘与测试图像之间产生的响应值进行抑制,实现扩大目标搜索区域的同时降低边界效应对跟踪结果的影响;将深度特征引入到特征提取过程中,通过对目标样本进行旋转、翻折和高斯模糊等处理,扩充训练样本数量,使模板学习到更为丰富的目标信息。与主流算法进行对比实验,验证了本文算法在处理目标遮挡、背景嘈杂以及光照变化等干扰时的鲁棒性。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号