基于多方法集成的目標跟蹤方法研究.pdf_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、運動目標跟蹤是計算機視覺領(lǐng)域中最熱門的課題之一,在戰(zhàn)場偵察、智能視頻監(jiān)控、交通控制、人機交互等領(lǐng)域具有廣闊的應用前景,引起了國內(nèi)外學者和工業(yè)界的廣泛重視,因而具有重要的研究價值。
   當前學術(shù)界和工業(yè)界在目標跟蹤方面開展了大量工作,取得了一些成果,然而運動目標跟蹤仍然是模式識別領(lǐng)域的一個難點問題,目標物體角度、姿態(tài)、遠近距離變化、快速運動、以及遮擋等給魯棒在線跟蹤算法提出了苛刻的要求,單一算法很難有效處理所有問題。針對此問題,

2、本文基于多方法集成思想,研究魯棒在線跟蹤的有效方法,主要工作和成果如下:
   1,學習了幾種典型目標跟蹤算法,包括:Mean Shift跟蹤算法、基于on—lineboosting的跟蹤算法、基于粒子群優(yōu)化的跟蹤算法和基于模板匹配的跟蹤算法。通過實驗驗證和分析了幾種算法的優(yōu)點和不足。為本文方法的設計奠定了基礎(chǔ)。
   2,研究并設計了一個集成on—line Boosting、基于歸一化互相關(guān)的模板匹配法和粒子群優(yōu)化算法

3、的自適應目標跟蹤算法。其中,on—line Boosting是基本的跟蹤算法;基于歸一化互相關(guān)的模板匹配有效地避免了on—line Boosting過多的錯誤更新;而基于粒子群優(yōu)化算法的跟蹤策略提高了系統(tǒng)對快速運動、外觀變化的適應能力,同時也為模板的更新提供了保障。三種算法形成了有效互補,在穩(wěn)定性和可塑性之間達到了一種平衡。在不同視頻測試序列上的實驗結(jié)果表明,本文算法有效地緩解了自適應性和“漂移”之間的矛盾,能夠?qū)崟r地完成復雜的跟蹤任務

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)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(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)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。

評論

0/150

提交評論