|
1.
|
基于深度学习的视觉跟踪算法研究综述
|
|
|
|
|
|
|
贾静平 覃亦华《计算机科学》,2017年第44卷第Z6期
|
|
|
视觉跟踪是计算机视觉的重要研究领域之一。传统的视觉跟踪算法难以很好地解决复杂背景中的跟踪问题,如光线变化、目标发生较大的尺寸和姿态变化或目标被遮挡等。而深度学习的引入为视觉跟踪研究开辟了新的途径。但目前国内外基于深度学习的视觉跟踪研究文献相对较少,为 吸引更多视觉跟踪领域研究者对深度学习进行探索和讨论,并推动视觉跟踪算法的研究,简要介绍了视觉跟踪和深度学习的研究现状,重点分析了基于深度学习的视觉跟踪算法的相关文献,讨论了各算法的优缺点,最后提出了进一步研究的方向以及对基于深度学习的视觉跟踪算法的展望。
|
|
2.
|
行人跟踪技术综述
|
|
|
|
|
|
|
马晓婷《数字社区&智能家居》,2011年第19期
|
|
|
行人跟踪是当前机器视觉中非刚性运动目标跟踪领域的热点问题,将这一问题分为行人检测和行人跟踪两大部分,并对其进行了详细介绍。分析了不同的检测和跟踪方法,对行人跟踪中存在的疑难问题进行了总结,最后对行人跟踪问题的研究进行了简单的展望。
|
|
3.
|
基于外观模型学习的视频目标跟踪方法综述 被引次数：2
|
|
|
|
|
|
|
张焕龙 胡士强 杨国胜《计算机研究与发展》,2015年第52卷第1期
|
|
|
视频跟踪是机器视觉领域中的热点研究问题,在过去的几十年内得到了广泛研究.为了获得鲁棒的跟踪效果,设计能够适应跟踪目标外观变化的外观模型成为算法研究中的一种重要内容.近年来,将机器学习理论引入外观模型设计中的思想大大推动了视频跟踪研究的发展.为了使读者能够快速了解其发展的趋势并且掌握基于外观模型学习跟踪算法研究的技术,在介绍外观模型学习跟踪算法原理和机制的基础上,重点综述了外观模型学习跟踪方法的研究进展,包括目标特征描述和3类主要目标外观建模方式及其各自研究过程中跟踪方法的对比与分析,进而总结了外观模型学习跟踪算法在理论及应用方面的研究现状,最后提出进一步研究的主要发展内容和趋势.
|
|
4.
|
无线传感器网络几类拓扑控制及其抗毁性应用简述
|
|
|
|
|
|
|
王月娇 刘三阳 马钟《工程数学学报》,2018年第2期
|
|
|
无线传感器网络的拓扑结构随着网络中节点的增加、减少和移动实时变化,为保证网络的连通性和覆盖性不被影响,拓扑控制技术所要解决的问题正是传感器节点如何更好地自组织构建全局网络拓扑.本文首先概述了四类拓扑控制算法的理论基础及算法步骤.然后,对提高网络抗毁性的两类拓扑演化算法进行了详细叙述,即无标度网络生长与构建k连通网络,分别构建了基于节点位置偏好的移动网络拓扑模型和基于k连通的节点调度优化模型.最后,分别从移动节点的引入、折中控制算法的探索、复杂网络理论的应用和传统算法与智能算法的结合这四方面对拓扑控制算法的前景进行了阐述.
|
|
5.
|
基于Mean Shift的视觉目标跟踪算法综述
|
|
|
|
|
|
|
顾幸方 茅耀斌 李秋洁《计算机科学》,2012年第39卷第12期
|
|
|
基于Mean Shift的视觉跟踪算法具有计算复杂度低、调节参数少、稳健性较好和易于工程实现等优点，是目前视觉跟踪领域的重要研究方向。首先介绍了经典的Mean Shift跟踪算法，分析了此跟踪框架存在的缺陷。然后从目标模型表达、模型更新、尺度与方向佑计、抗遮挡跟踪和快速目标跟踪等J个方面详细地综述了Mean Shift跟踪算法的发展与改进。针对上述每个方面，对典型方法与最近研究成果进行了介绍与评述。最后展望了Mean Shift跟踪今后的研究方向与发展趋势。
|
|
6.
|
在线多目标视频跟踪算法综述
|
|
|
|
|
|
|
李月峰 周书仁《计算技术与自动化》,2018年第1期
|
|
|
视频多目标跟踪是计算机视觉领域重要的研究课题之一，不论是在军用还是民用都有广泛应用。目前对单目标的跟踪算法研究已经相当成熟，但对于多目标跟踪的研究还处于发展阶段。重点研究了多目标跟踪过程中的四个重要阶段：特征提取、检测器、数据关联、跟踪器。特征提取阶段详细介绍了目前主流的特征提取方法以及各个方法之间的优缺点；检测器阶段首先详细介绍了目标外观模型在具体应用场景中的跟踪效果，接着对基于检测跟踪的多目标跟踪算法和基于深度学习的多跟踪算法进行了分析；跟踪器阶段分别介绍了目标运动模型的建立和利用不同跟踪器混合的多目标跟踪算法；数据关联阶段分别介绍了基于能量最小化的多目标跟踪以及常用的数据关联算法。接着，介绍了目前主流的数据集以及评测方法；最后对多目标跟踪未来的发展进行了思考和展望。
|
|
7.
|
基于图像处理技术的目标跟踪研究
|
|
|
|
|
|
|
王晋 尚伟 李一民《无线电工程》,2008年第38卷第7期
|
|
|
基于视频的交通信息采集目前已成为计算机视觉领域新兴的研究方向,准确的运动目标跟踪是其关键技术并为智能交通系统奠定基础。详细介绍了几种常用的目标跟踪算法,并对目前算法相对成熟、匹配效果较好的Hausdorff算法深入研究,随后针对其计算量大的问题,采取了一种新策略,即Hausdorff算法与Kalman滤波器对目标运动进行预测估计相结合的方法进行运动目标的跟踪。
|
|
8.
|
视觉跟踪技术研究现状及其展望* 被引次数：1
|
|
|
|
|
|
|
李谷全 陈忠泽《计算机应用研究》,2010年第27卷第8期
|
|
|
对运动目标进行视觉跟踪是机器人技术、计算机视觉等领域研究的热点之一。首先就跟踪技术的研究历史和现状进行回顾和分析，论述按照基于目标区域的跟踪、基于目标特征的跟踪、基于变形模板的跟踪和基于目标模型的跟踪四个分支分别展开；其次，对人们在该领域研究所面临的难点进行了归纳和总结；最后对分形理论和生物视觉在跟踪策略中的应用前景进行了展望。
|
|
9.
|
基于视觉的目标定位技术的研究进展
|
|
|
|
|
|
|
赵霞 袁家政 刘宏哲《计算机科学》,2016年第43卷第6期
|
|
|
基于视觉的目标定位是目前计算机视觉领域的研究热点。就现阶段基于视觉的定位技术进行了综述,着重介绍了基于单目视觉定位、基于双目视觉定位和基于全景视觉定位3类定位技术的研究现状,并分析了各自的优缺点。最后就基于视觉定位方法的发展趋势做了简要分析,以期为以后基于视觉定位问题的研究提供参考。
|
|
10.
|
群目标跟踪关键技术研究进展
|
|
|
|
|
|
|
杜明洋 毕大平 王树亮《电光与控制》,2019年第4期
|
|
|
群目标具有结构固定、运动模式特殊等特点,并且数量规模较大、空间分布密集、互相遮挡现象严重,采用传统的多目标跟踪算法对其进行跟踪会出现错误关联甚至失跟的现象。介绍了3种比较典型的群目标跟踪思路,即中心类跟踪算法、基于随机有限集的算法以及群扩展状态的估计算法,对目前的研究成果进行了分析和总结。最后,基于现有理论以及相近领域先进技术的发展,讨论了群目标跟踪的发展趋势。
|
|
11.
|
图像分割方法综述研究
|
|
|
|
|
|
|
周莉莉 姜枫《计算机应用研究》,2017年第34卷第7期
|
|
|
图像分割是计算机视觉领域重要和基础性的问题，也是颇具挑战性的任务。为了解该问题的研究现状、存在问题及发展前景，在广泛调研现有文献和最新成果的基础上，针对2000年之后主流的图像分割方法进行了研究，将之分为四类：基于图论的方法、基于聚类的方法、基于分类的方法以及结合聚类和分类的方法，对每类方法所包含的典型算法，尤其是该领域最近几年发表的最新文章的基本思想、优缺点进行介绍和分析。最后介绍了图像分割常用的基准数据集和算法评价指标，对比各种算法并总结全文，对未来可能的发展趋势进行了展望。
|
|
12.
|
图像匹配算法的研究进展 被引次数：19
|
|
|
|
|
|
|
王军 张明柱《大气与环境光学学报》,2007年第2卷第1期
|
|
|
图像匹配是计算机视觉和图像处理中的重要研究内容.分析了图像匹配中的难点问题及其关键技术,研究了组成匹配算法的四个要素,介绍了近来出现的新思路和新方法,对匹配算法进行了分类和性能比较,提出了实际应用中有待进一步研究的内容,如算法的集成、神经网络、遗传算法和基于高层语义的应用等.
|
|
13.
|
视觉跟踪算法综述 被引次数：4
|
|
|
|
|
|
|
杨戈 刘宏《智能系统学报》,2010年第5卷第2期
|
|
|
随着信息技术与智能科学的迅速发展,计算机视觉已经成为IT产业和高新技术领域的前沿.视觉跟踪是当前计算机视觉领域的热点问题之一.阐述了视觉跟踪算法的研究现状,包括视觉跟踪算法的种类,常用数学方法,研究了基于区域的跟踪算法、基于模型的跟踪算法、基于特征的跟踪算法、基于主动轮廓的跟踪算法、参数估计方法和无参密度估计方法,并探讨了视觉跟踪算法的未来研究方向.
|
|
14.
|
四种地面固定目标识别方法研究
|
|
|
|
|
|
|
金善良 吴国威《战术导弹技术》,1994年第2期
|
|
|
首先简要阐述了模型基视觉法是基于知识的智能化识别目标的方法,然后以桥梁例比较详细地介绍了应用模型基视觉法解决目标识别问题的过程,包括:建立目标图像、确定预理方法、设计识别算法和提高识别算法的鲁棒性等。对四种地面固定目标识别研究的结果表明,型基视觉法是解决地面目标识别问题的有效方法。
|
|
15.
|
机器视觉型焊缝跟踪技术 被引次数：4
|
|
|
|
|
|
|
高向东 丁度坤 赵传敏《焊接》,2006年第2期
|
|
|
介绍了焊缝跟踪技术的研究现状,分析了用于焊缝检测的传感器工作原理及其优缺点,重点论述了基于机器视觉的焊缝跟踪系统的硬件组成和图像处理的工作流程.同时对多种控制算法(经典控制和智能控制)和焊缝边缘检测技术(基于形态学和遗传算法的边缘检测等)进行了分析,研究了机器视觉目前在焊接应用中存在的问题及解决思路,并对基于机器视觉的焊缝跟踪技术进行了展望.
|
|
16.
|
基于视觉生理的虚拟环境显示
|
|
|
|
|
|
|
李书印 万明习 行鸿彦《中国图象图形学报》,2001年第6卷第2期
|
|
|
为解决虚拟环境造成沉浸者不适之问题，提出了满足视觉生理要求和较完善的虚拟环境视觉系统设计方案，即基于视觉内部机理和基于外部硬件新技术的两种方案，根据对虚拟环境的研究需要，在基于视觉机理的解决方案中，首次提出了明视深度这一新术语，并详细阐述了明视深度的概念、原理及测量方法，。从而为有效地避免头晕、眼胀等不良反应进行的视觉系统设计，增加了新的理论依据，在基于硬件技术的解决方案中，还结合眼球跟踪系统，液晶微电脑眼镜等新技术，分析了其应用原理及优缺点，最后讨论了人类视觉的自适应能力。
|
|
17.
|
基于计算机视觉的深度估计方法 被引次数：2
|
|
|
|
|
|
|
江静 张雪松《光电技术应用》,2011年第26卷第1期
|
|
|
深度估计方法可分为主动视觉和被动视觉两类。介绍了被动视觉测距中的五种深度估计方法,包括立体视觉、运动测距、描影法、聚焦法和散焦法,分析了各自的成像原理、数学模型和测量方法。最后,对基于计算机视觉的深度估计方法进行总结,分析了现有测量方法各自的局限性,提出算法进一步改进的方向是应用计算机视觉系统中需要的不同模板,联合依赖于实际环境的权重因子与被动深度估计算法相结合。这是当前计算机视觉研究的一个热点领域。
|
|
18.
|
视频显著性检测研究进展
|
|
|
|
|
|
|
丛润民 雷建军 付华柱 王文冠 黄庆明 牛力杰《软件学报》,2018年第29卷第7期
|
|
|
视频显著性检测是计算机视觉领域的一个热点研究方向，其目的在于通过联合空间和时间信息实现视频序列中与运动相关的显著性目标的连续提取.由于视频序列中目标运动模式多样、场景复杂以及存在相机运动等，使得视频显著性检测极具挑战性.本文将对现有的视频显著性检测方法进行梳理，介绍相关实验数据集，并通过实验比较分析现有方法的性能.首先，本文介绍了基于底层线索的视频显著性检测方法，主要包括基于变换分析的方法、基于稀疏表示的方法、基于信息论的方法、基于视觉先验的方法和其他方法五类.然后，对基于学习的视频显著性检测方法进行了总结，主要包括传统学习方法和深度学习方法，并着重对后一类方法进行了介绍.随后，介绍了常用的视频显著性检测数据集，给出了四种算法性能评价指标，并在不同数据集上对最新的几种算法进行了定性和定量的比较分析.最后，对视频显著性检测的关键问题进行了总结，并对未来的发展趋势进行了展望.
|
|
19.
|
视觉跟踪技术发展和难点问题的分析
|
|
|
|
|
|
|
张进《信息技术与信息化》,2008年第6期
|
|
|
本文介绍了计算机视觉领域里的一种新兴技术即视觉跟踪技术.其中,主要介绍了视觉跟踪技术的产生、发展,同时也提到了跟踪技术中难点问题和解决思路.
|
|
20.
|
数字抠像的最新研究进展
|
|
|
|
|
|
|
张展鹏 朱青松 谢耀钦《自动化学报》,2012年第38卷第10期
|
|
|
数字抠像是图像处理、视频编辑和电影制作中的关键技术.通过数字抠像,从图像或视频的背景中精确地分离出前景, 是计算机视觉领域的重要问题.本文首先介绍了目前数字抠像的交互方式,然后把抠像技术分为基于颜色采样、 基于像素相似性、基于能量函数以及基于机器学习的四类技术,介绍和分析了其中的典型算法和最新研究成果, 并对这些算法的测试结果进行了定量和定性比较,最后总结了数字抠像技术目前的研究状况和未来的发展方向.
|
