版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、目標跟蹤是目前的重點研究問題之一。近幾年跟蹤領域取得了很大的成果,雖然現(xiàn)在已經(jīng)提出了很多方法,但是由于真實場景的復雜性,目標跟蹤仍然是一個挑戰(zhàn)。相關濾波模型是一種判別模型,相對比其他判別模型,它利用了大量的訓練樣本,增強了跟蹤器的魯棒性。但是在跟蹤過程中,傳統(tǒng)的相關濾波框架下的預測模型通過線性更新獲得。這往往會造成,模型逐漸遺忘目標,從而導致跟蹤失敗。另外,由于真實場景的復雜性,基于單一特征的模型不能同時處理多種問題。
對于以
2、上兩種情況,本文分別提出基于自適應模型和基于多特征融合的跟蹤方法。自適應模型,通過利用L1稀疏方法確定各個模板的重要程度。首先,構造一個模板字典,模板字典作用于搜索框得到響應集。然后,響應集被對準函數(shù)處理后,應用L1范數(shù)構造高斯響應與響應集之間的關系式,最小化這個關系式求解表示系數(shù)。同時衡量響應集的PSR值,并做歸一化處理。最后,由L1方法得到的系數(shù)和PSR值共同決定模板的權重。線性加權每個模板,生成自適應模型。多特征融合機制,利用bo
3、osting算法思想提高鑒別性特征的重要性。對于每一種特征,用給定的初始目標位置和高斯響應圖,構建一個回歸器。然后構建測試樣本集,選擇任意其一回歸器對測試樣本集進行預測,預測的正確率為此特征的結合權重,同時根據(jù)預測正確率調整測試樣本的分布,加大被預測錯誤的樣本權重,使得本預測錯誤的樣本在后續(xù)的測試中被更加重視,然后選擇剩下的任一回歸器對調整后的樣本進行預測;如此重復,直到最后一個特征的回歸器。
本文提出的這兩種算法在OTB和V
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多特征融合的運動目標自適應跟蹤方法研究.pdf
- 基于置信度的多特征目標自適應跟蹤算法.pdf
- 基于自適應權重的多特征通道目標跟蹤.pdf
- 基于多特征融合的目標跟蹤算法的研究.pdf
- 基于多尺度多特征模板集和自適應動態(tài)模型的物體跟蹤算法.pdf
- 基于多特征融合的多目標跟蹤算法.pdf
- 強機動目標自適應變結構多模型跟蹤算法.pdf
- 基于特征自適應融合的粒子濾波跟蹤算法研究.pdf
- 基于機動目標跟蹤模型的自適應濾波算法.pdf
- 粒子濾波框架下的自適應多特征融合目標跟蹤方法研究.pdf
- 基于DeepBoost自適應多模型的視覺目標跟蹤方法研究.pdf
- 基于多特征融合的目標檢測與跟蹤算法研究.pdf
- 多外觀模型自適應加權的粒子濾波目標跟蹤算法研究.pdf
- 基于形變模型和目標特征的目標跟蹤算法研究.pdf
- 利用密集特征進行目標自適應跟蹤算法研究.pdf
- 基于粒子濾波和Mean Shift的多特征融合的目標跟蹤算法.pdf
- 基于自適應濾波的機動目標跟蹤算法研究.pdf
- 基于多特征融合的視覺目標跟蹤研究.pdf
- 窗口自適應的目標跟蹤算法研究.pdf
- 基于自適應LTP和均值漂移的運動目標跟蹤算法.pdf
評論
0/150
提交評論