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 984 毫秒

1.  基于分块的核窗宽调整mean-shift跟踪算法  
   王飞  魏国亮  王保云  邹国燕《光电工程》,2014年第41卷第4期
   针对传统mean-shift算法核窗宽在跟踪过程中无法根据目标的大小变化进行相应调整问题。本文提出了一种基于分块的核窗宽调整mean-shift跟踪算法。该算法在跟踪窗口中心与目标形心定位的基础上,对跟踪窗进行分块,根据候选目标跟踪窗和分块目标跟踪窗中心距离的变化,对核窗宽的大小进行调整,使得跟踪窗口始终与跟踪目标的大小相匹配。实验表明算法对跟踪变大和变小的目标均取得了较好的跟踪效果。    

2.  基于梯度方向检测的自适应带宽mean shift目标跟踪算法  
   宋灏  王朝英  刘彬  赵磊《电子设计工程》,2011年第19卷第6期
   传统核窗宽固定的mean shift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上,提出了一种适应带宽的mean shift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪,解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的问题,提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验,证实了该算法的有效性。    

3.  基于模糊C均值的Mean-Shift目标跟踪算法  
   田存伟  葛广英  申哲《计算机应用》,2009年第29卷第12期
   针对Mean-Shift算法核函数带宽固定的缺陷,提出一种基于模糊C均值(FCM)的Mean-Shift目标跟踪算法.该算法采用FCM算法在YCrCb颜色空间对运动目标及附近背景进行分割,根据分割后的目标像素点统计量,遵循相邻两帧图像中目标大小不会突变的原则,修正Mean-Shift核函数窗宽.实验结果表明,该算法能够准确高效地对运动目标进行跟踪,对尺寸逐渐减小和逐渐增大的目标都能实现自动调整跟踪窗大小.    

4.  窗宽自适应Mean-Shift跟踪算法  被引次数:2
   白向峰  李艾华  李喜来  蔡艳平《计算机应用》,2011年第31卷第1期
   针对固定窗宽Mean-Shift算法在目标运动速度过快或尺度发生明显变化时可能导致跟踪失败的问题,提出一种窗宽自适应的Mean-Shift跟踪算法。该方法基于均值漂移矢量预测跟踪窗口中心位置,同时自动调整跟踪窗口大小,保证目标始终处于跟踪窗口内部,使算法得以准确定位目标;在确定空间位置后,利用基于Bhattacharyya系数的二分法自动选取窗口缩放比例,得到与目标尺度一致的跟踪窗口。实验结果证明,该方法能很好地定位目标的空间位置和尺度。    

5.  尺度方向自适应Mean Shift跟踪方法  
   张恒《光学精密工程》,2008年第16卷第6期
   经典核窗口宽度固定的mean shift跟踪算法不能很好地对尺寸逐渐增大的目标进行有效地跟踪。一些改进的mean shift算法虽然在一定程度上解决目标缩放这个问题,但是对于目标旋转仍然无能为力。在分析尺度空间理论和mean shift 跟踪算法的基础上,提出了一种尺度方向自适应mean shift跟踪算法。实验表明,对于初始帧,本文算法可以较为准确地获得目标最佳描述椭圆;对于后续帧图像,本文的新跟踪算法可以较好地适应目标旋转缩放等复杂运动。    

6.  模糊自适应运动目标跟踪算法  
   杨哲辉  郭雷  胡喆  余博《计算机工程与应用》,2012年第48卷第23期
   运动目标在跟踪过程中往往伴随着尺度、形状的变化,Mean shift跟踪算法由于采用固定的核窗宽度进行运动目标跟踪,因而它本身不能适应这种变化.针对Mean shift算法存在的缺点,提出一种基于模糊推理的自适应Mean shift跟踪算法,该算法利用卡尔曼滤波算法对目标当前位置进行预测;设计模糊判定准则在线调整目标尺度值,利用Mean shift迭代运算逐步逼近目标完成跟踪;利用相似度和置信度系数设计模型更新准则,以实现模板的自适应更新.实验结果证明,该算法能够适应目标尺度和背景的变化,较普通的Mean shift跟踪算法不仅跟踪精度提高,而且鲁棒性更强.    

7.  均值漂移目标跟踪的两级窗宽更新算法  
   韩萍  罗的国《计算机工程》,2012年第38卷第12期
   目标尺度发生较大变化时,固定窗宽的均值漂移(Mean shift)目标跟踪算法不能进行有效跟踪。为此,提出一种两级更新的自适应窗宽计算方法。采用Mean shift跟踪算法对目标中心进行初次定位,并确定窗宽的大小,设置感兴趣区域,结合已建立的背景模型,在感兴趣区域内利用背景减除技术二次确定目标的中心及窗宽大小,通过比较2次目标区域与目标模型之间的Bhattacharyya系数,选择系数较大的区域作为最终跟踪窗口。实验结果表明,该方法能够对尺度变化明显的运动目标自适应确定跟踪窗宽,并减小传统Mean shift跟踪方法背景目标颜色对目标特征提取的影响。    

8.  基于几何矩的自适应手势跟踪算法研究  
   周荣强  全海燕  熊志伟  张天飞《郑州轻工业学院学报(自然科学版)》,2013年第3期
   在Mean-Shift算法基础上,提出了一种新算法:用肤色检测与寻找最大连通域相结合的方法来自动选取跟踪的手势;采用图像几何矩替代Mean-Shift矢量,可以有效地跟踪到手势目标而且可以实现跟踪窗尺度随手势目标大小、角度及形状的改变而改变.实验结果表明,本算法成功地对动态且有形变的手势进行了实时跟踪,并且捕捉到其运动轨迹.算法平均每s约处理27帧图像,可以满足实时性要求.    

9.  基于PF的窗口自适应Mean-Shift跟踪算法  
   张万绪  姜卫琳  张晓军《计算机工程与应用》,2015年第14期
   在视频目标跟踪过程中,Mean-Shift算法存在着核函数带宽固定不变的缺陷,对尺度大小发生变化的目标无法进行有效跟踪。提出一种多尺度理论与粒子滤波器(PF)相结合的改进算法。通过粒子滤波器对多尺度理论统计得到的跟踪窗信息量进行预测修正,据此计算核窗宽大小变化的比例系数,实现跟踪算法的窗口自适应能力。实验结果表明,改进的跟踪算法对尺寸逐渐减小和逐渐增大的目标均能自动选择合适的跟踪窗口大小。    

10.  团块与Mean-Shift结合的局部遮挡目标跟踪  被引次数:2
   戴庆成  冯晓毅  刘娟《计算机工程与应用》,2011年第47卷第18期
   传统的基于Mean-Shift的目标跟踪方法利用目标的全局特征进行跟踪,在局部遮挡情况下跟踪效果不佳。提出一种基于团块建模和Mean-Shift相结合的利用目标局部特征的运动目标跟踪方法,对目标进行团块建模,利用Mean-shift算法对各团块进行跟踪,在此基础上确定目标新位置。该方法能够在目标发生局部遮挡时,自动选取未被遮挡的团块的跟踪结果来确定目标的位置。为了提高方法对背景干扰的鲁棒性,采用背景加权的Mean-Shift算法。实验结果表明:该方法在局部遮挡的情况下可较好地进行目标跟踪,跟踪效果优于报导的基于Mean-Shift的方法。    

11.  基于Mean Shift的变尺度快速运动目标自适应跟踪算法  被引次数:1
   杨志菊  刘宝华《太赫兹科学与电子信息学报》,2015年第13卷第2期
   为了实现对变尺度快速运动目标的良好跟踪,在对传统Mean Shift跟踪算法改进的基础上,提出了一种运动目标自适应跟踪算法。该算法首先采用目标区域的像素点空域加权后的彩色图像作为初始帧目标模板,目标的真实位置利用Mean Shift算法迭代求得,从而实现对快速运动目标的空间定位,然后将相邻帧的目标采用尺度不变特征变换(SIFT)算子进行特征匹配,根据目标的缩放因子实时更新下一帧的核带宽,修正算法跟踪窗口的尺寸,以适应目标尺度的变化,从而实现对快速运动目标的尺度定位。最后,通过实验表明,与传统的Mean Shift跟踪算法相比,该算法的跟踪准确率达到97%以上,能够实现对变尺度快速运动目标的精确跟踪。    

12.  基于边界力的Mean-Shift 核窗宽自适应算法  被引次数:3
   覃 剑  曾孝平  李勇明《软件学报》,2009年第20卷第7期
   针对Mean-Shift(中值漂移)算法中核函数带宽不能实时改变的缺陷,提出一种基于边界力的Mean-Shift核函数带宽自适应更新算法.在分析目标加权核直方图模型的基础上,引入区域似然度以提取目标的局部信息.然后,比较相邻帧间的区域似然度并构建边界力.通过对边界力的计算,得到边界点的位置,进而自适应地更新核函数带宽.实验结果表明,这些工作改善了Mean-Shift 算法在目标尺度和形态发生变化时的跟踪效果,并且可以满足实时性的需要.    

13.  基于Mean-shift的改进目标跟踪算法  被引次数:2
   张玲  蒋大永  何伟  周阳《计算机应用》,2008年第28卷第12期
   传统的Mean-shift目标跟踪算法对背景因素比较敏感,采用核加权直方图的方法计算目标模板与候选区域目标特征往往无法实现对运动目标的准确定位。在研究传统算法的基础上,改进了Mean-shift算法中目标特征选取机制,即目标模板采用背景加权,候选目标区域采用核加权。仿真结果表明,该方法实现了在复杂环境背景下对运动目标更加准确的跟踪。    

14.  目标尺度自适应的Mean Shift跟踪算法  被引次数:3
   康一梅  谢晚冬  胡江  黄琪《兵工学报》,2011年第32卷第2期
   传统的Mean Shift跟踪算法由于固定了核函数的带宽,因而不能很好地对图像尺度不断变换的目标进行有效的跟踪。针对这一不足,提出了一种将尺度变换和Mean Shift跟踪相结合的目标跟踪方法。在每一帧中,先由Mean Shift得到目标位置,然后利用仿射变换原理计算得到相邻两帧之间目标的仿射变换矩阵,并利用该矩阵对目标位置和大小进行修正。实验表明改进算法有效的提高了Mean Shift算法在目标尺度变化时的跟踪稳定性,对目标的尺度变化具有适应性。    

15.  结合目标预估计与Mean Shift理论的运动目标跟踪算法  被引次数:2
   赵倩  袁健全  鲁新平  李吉成《红外与激光工程》,2010年第39卷第6期
   图像的运动包括目标、背景和平台的运动,复杂的运动关系增加了目标跟踪的难度.提出了一种有效的基于Mean Shift理论的运动目标跟踪算法.为提高算法的实时性,对Mean Shift算法的核函数进行了改进,使得加减运算替代乘方和浮点运算,大大提高了运算效率;并通过对迭代权值的改进,强化了初始模板的主要信息,提高了算法跟踪与背景相似目标的能力;采用自动更新模板的策略,克服了目标特征分布发生改变的问题;在此基础上,引入了目标预检测,提出了综合背景差分检测的运动目标跟踪算法,实验表明:该算法在目标被遮挡情况下具有较强的适应性.    

16.  采用Mean-Shift算法的目标跟踪系统设计  被引次数:1
   李金亮  高文静  王垒《光电技术应用》,2011年第26卷第1期
   为了提高对目标的精确识别和稳定跟踪,在深入分析研究Mean-Shift算法及跟踪原理的基础上,提出一种基于Mean-Shift算法的目标跟踪系统设计思想。通过对海上及陆上目标的实际跟踪验证,表明该设计能够有效地去除海浪散射等背景干扰,实现对目标的稳定跟踪,验证了在复杂背景下基于Mean-Shift算法的目标跟踪系统设计是合理可行的。    

17.  基于Mean Shift的目标跟踪算法性能比较研究  
   苏永钢  唐晨  程佳佳  谷帆《激光与红外》,2016年第46卷第3期
   针对目前尚未有对基于Mean Shift的各类目标跟踪算法在同一数据集下进行性能比较这一问题,选取了七种具有代表性的基于Mean Shift的目标跟踪算法,分别从算法时效性、跟踪成功率和跟踪精确度三个方面对算法在25段包括多种复杂场景的图像序列上的性能进行了仿真实验比较。实验结果给出了算法在不同评价指标以及不同图像场景下的性能表现。由实验得出的结论可以为基于Mean Shift的目标跟踪算法的进一步优化改进提供参考。    

18.  基于FCM聚类的粒子滤波多目标跟踪算法  被引次数:1
   陈龙  郭宝龙  孙伟《仪器仪表学报》,2011年第32卷第11期
   针对多目标跟踪中相似目标的发散问题和跟踪核函数窗宽固定的缺陷,提出一种基于FCM(fuzzy C-means)聚类的粒子滤波算法.该算法结合经典粒子滤波理论,使用可变椭圆作为粒子区域,在粒子滤波的重要性重采样后,通过Mean-Shift算法获得每个目标的聚类中心,使用FCM聚类算法完成粒子聚类,获得相应目标的粒子子群,最后通过粒子子群估计各目标的最终状态并修正核窗口宽度.实验表明,与传统粒子滤波算法相比,该算法解决了传统粒子滤波的发散问题,减少了粒子数量,能够准确地对多目标进行跟踪,具有很好的鲁棒性和实时性.    

19.  自适应窗宽的均值迁移图像跟踪算法  
   沈伟  王军政  张宇河《微计算机信息》,2007年第23卷第30期
   针对传统均值迁移跟踪算法中核函数窗宽固定使之无法满足图像中运动目标尺寸变化需要的问题,在分析目标特征零阶矩特点基础上,以其变化比作为观测量,以目标面积的变化比作为状态量,利用卡尔曼滤波器对未来帧中目标面积的变化进行预测进而获得同目标尺度变化相适应的核函数窗宽。该算法通过窗宽自适应变化,提高了跟踪精度,增强了跟踪稳定性,同时仍保证了跟踪的实时性。实验结果证明了该方法的有效性。    

20.  基于目标信息量变化的自调整跟踪算法  
   金广智  石林锁  滕明春  李建毅《微计算机信息》,2012年第2期
   针对视频跟踪中的传统Mean-Shift方法不能有效跟踪尺度有明显变化的目标这一问题,将图像信息量度量理论引入到了算法之中,提出了一种自适应窗宽的改进Mean-Shift跟踪算法。该算法利用均值漂移矢量对目标位置进行预测,然后结合目标信息量的变化来自适应的调整跟踪窗的尺度,从而快速稳定的对目标进行定位跟踪。实验结果表明改进算法能较好适应目标的尺度变化,跟踪效果良好。    

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