基于三维激光扫描数据的窗户边界提取方法

针对现有窗户提取算法中鲁棒性不高,边界规则化过程复杂的问题,该文提出了一种新的基于格网的窗户边界提取方法.首先采用PCA算法计算局部邻域内三个特征值,依据三个特征值的关系可完整提取建筑墙面点云;其次对墙面点云划分格网并二值化,粗提取窗户边界;然后基于粗提取的窗户边界格网统计分析,精确提取出窗户边界并二次建立格网;最后合并同一窗户的子窗户区域完成窗户边界的提取.经实例分析验证了该方法提取窗户边界的准确性.     

DCNN深度特征与交替方向乘子的相关滤波跟踪

针对采用相关滤波的判别式目标跟踪遇到的瓶颈问题：由于目标快速移动引起边界效应，使得相关滤波器在学习与更新过程中可能会引入错误，最终错误的累积将导致跟踪失败。在采集深度学习特征与样本相似性度量的基础上，提出一种引入交替方向乘子方法的改进相关滤波目标跟踪算法，选择DCNN深度特征有效地表征待跟踪目标的初始状态，通过在线分类过程中样本相似性比对与半监督学习，辅助解决相关滤波器在学习过程中存在的自学习问题。所提目标跟踪算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程，提高目标在快速运动与部分遮挡等复杂情况下的跟踪成功率，针对VOT2016标准测试视频的实验表明：当目标面临快速运动时，对比CN、SAMF、STC算法，所提DA-CFT跟踪算法将跟踪成功率分别由60.4%～73.4%、67.2%～82.9%、80.9%～88.1%提升至85.6%～91.0%。