排序方式: 共有5条查询结果,搜索用时 109 毫秒
1
1.
采用把kalman滤波与图像模板匹配相结合的方法,用于车辆的复杂跟踪,实现简单,运算量小,且可以满足实时性。实验结果表明该方法的可用性。 相似文献
2.
3.
提出基于多元模态分解的合成孔径雷达(SAR)目标识别方法。多元模态分解是传统模态分解的多元扩展,能够有效避免传统算法中的模态混叠问题。采用多元模态分解对SAR图像进行处理,获得的多层次固有模式函数(IMF)能够更为有效地反映目标的时频特性。不同IMF之间具有良好互补性,同时它们描述同一目标因而具有内在关联性。分类阶段,采用联合稀疏表示对分解得到的IMF进行表征。联合稀疏表示在多任务学习的理念下,对多个关联稀疏表示问题进行求解,可获得更为可靠的估计结果。在获得各层次IMF对应的稀疏表示系数矢量的基础上,计算不同类别对于当前测试样本多层次IMF的重构误差之和,进而判定测试样本的目标类别。基于MSTAR数据集开展实验,通过在标准操作条件、俯仰角差异、噪声干扰以及目标遮挡条件下进行对比分析,验证了提出方法的有效性。 相似文献
4.
基于Bayes法则和BP神经网络的高速动态情形下车型识别 总被引:2,自引:0,他引:2
针对在高速动态情形下的车型识别,介绍了一种对汽车提取特征、基于红外线检测的汽车分类仪;阐述了采用汽车特征参数作为样本向量训练BP网络的方法和识别车型原理;采用共轭梯法修正BP网络,提高了训练速度和全局收敛性;对于样本向量存在的数据“噪声”,则以Bayes法则对大量样本去除“噪声”,使特征样本向量更有代表性,理论与实际证明,这样得到BP网有强容错能力,能识别没有看过的汽车样本,从而提高了车型识别精度。 相似文献
5.
基于Camshift与Kalman的目标跟踪算法 总被引:1,自引:0,他引:1
针对目标跟踪复杂的难点,提出了一种比较实用的跟踪方法。采用基于颜色概率分布的Camshift算法进行目标跟踪的同时,引入卡尔曼滤波,并给出模型参数。在目标发生遮挡时,使用卡尔曼滤波对目标运动状态进行估计。实验表明,算法能够对目标进行持续、稳定的跟踪。 相似文献
1