排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
2.
目标跟踪技术在日常生活和生产中有着广泛的应用,但是设计一种具有鲁棒性、准确性和实时性的跟踪算法仍具有很大的难度。为了提高跟踪算法的性能,设计了一种帧间连续结构稀疏表示目标跟踪算法。该算法在粒子滤波框架下进行,采用结构稀疏表示的原理重构候选目标。首先采用目标和背景样本构建稀疏字典, 以提高算法对目标和背景的区分能力。然后,构建含有帧间连续约束项的结构稀疏表示目标方程,该目标方程可以有效利用目标状态的连续性来确定目标状态。进而,根据重构残差设计了一种相似度描述方法,与传统方法相比,该方法对相似目标不敏感。最后,通过6组对比实验证明该算法具有较高的鲁棒性和准确性。 相似文献
3.
4.
5.
6.
为了满足工业现场日益增多的应用需求,提高视觉伺服目标跟踪算法应用性,研究并提出了一种尺度旋转相关滤波视觉伺服实现方法。通过对MOSSE、ASET等先进算法进行改进,利用仿射原理,嵌入尺度旋转独立滤波器,构建适合工业现场的尺度相关滤波视觉伺服实现方法及实验平台,该实验平台由视觉伺服和二维运动控制平台组成,视觉伺服的输入为实时图像,输出为机器人动作;二维运动控制平台准确驱动被跟踪的目标,使跟踪结果可以量化。实验证明:该视觉伺服实现方法在改进鲁棒性和实时性的同时,可以满足工业现场应用需求。 相似文献
7.
为了提高目标跟踪算法的鲁棒性和准确性,提出了一种粒子滤波框架下的样本分块稀疏表示判决式跟踪算法。算法在首帧提取目标模板和背景模板,并将这些模板进行分块,构建模板字典。然后,将候选目标进行分块处理,并使用模板字典稀疏重构候选目标分块,从而获得候选目标的稀疏系数和残差。进而,构建一款贝叶斯分类器,分类器的输入为候选目标稀疏系数和残差中提取的相似度信息,输出为候选目标与真实目标的相似度。分类器通过跟踪过程中获得的正负样本进行训练,使之能够适应目标和背景的变化。最后,将文中算法在8组具有挑战性的视频中进行测试,平均跟踪误差为5.9个像素,跟踪成功率为89%。与选取的3种先进的算法比较,本文算法具有更高的鲁棒性和准确性。 相似文献
1