检索结果-内蒙古大学图书馆

四川大学学报（工程科学版） 2013年第5期45卷 69-75页

作者：孙建中熊忠阳张玉芳重庆大学计算机学院重庆400030 商丘师范学院河南商丘476000

为有效解决可变目标在跟踪过程中的"漂移"问题,提出一种基于自适应先验表观模型的目标跟踪方法。该方法首先在一致架构内融合HDP-EVO演化聚类模型和在线Boosting学习。以Dirichlet过程为先验分布,对总体表观示例进行聚类分析... 详细信息

为有效解决可变目标在跟踪过程中的"漂移"问题,提出一种基于自适应先验表观模型的目标跟踪方法。该方法首先在一致架构内融合HDP-EVO演化聚类模型和在线Boosting学习。以Dirichlet过程为先验分布,对总体表观示例进行聚类分析,获得随时间自适应演化的表观类先验知识,进而利用共享的表观类混合比例的权重平滑约束各时刻的表观模型。改进Gibbs抽样过程,使之能融入目标示例的分类误差,并交替迭代地从数据中自主学习聚类和表观分类器。最后,根据表观模型中各表观类的权重系数组合它们的分类评分去定位目标位置。仿真实验表明新方法学习的表观模型能较鲁棒地自适应于目标的表观变化,提高了跟踪精度。

关键词：表观模型自适应先验层次Dirichlet过程聚类分析分类器

来源：评论

学校读者我要写书评

暂无评论

部件级表观模型的目标跟踪方法

引用

软件学报 2015年第10期26卷 2733-2747页

作者：王美华梁云刘福明罗笑南华南农业大学数学与信息学院广东广州510642 华南家禽疫病防控与产品安全协同创新中心广东广州510640 国家数字家庭工程技术中心广东广州510006 中山大学信息科学与技术学院广东广州510006

因受遮挡、运动模糊、剧烈形变等因素的影响,稳定且准确的目标跟踪是当前计算机视觉研究领域重要挑战之一.首先采用中层视觉线索的超像素描述目标/背景的部件,以部件颜色直方图作为其特征,并通过聚类部件库的特征集构建初始表观模型,部... 详细信息

因受遮挡、运动模糊、剧烈形变等因素的影响,稳定且准确的目标跟踪是当前计算机视觉研究领域重要挑战之一.首先采用中层视觉线索的超像素描述目标/背景的部件,以部件颜色直方图作为其特征,并通过聚类部件库的特征集构建初始表观模型,部件表达的局部性和灵活性使该模型能够准确描述目标/背景;然后,利用贝叶斯滤波模型计算目标框的初始状态,并提出相似物体干扰的检测和处理算法以避免跟踪漂移,得到更健壮的结果;最后,为了减弱形变、遮挡、模糊对表观模型的影响以更好地保持目标特征,提出一种基于部件库的特征补集的在线表观模型更新算法,根据部件变化实时反映目标/背景的变化情况.在多个具有跟踪挑战的视频序列上的实验结果表明(共12个视频序列):与现有跟踪方法相比,该算法跟踪结果的中心误差更小,成功帧数更多,能够更准确并稳定、有效地跟踪目标物体.

关键词：部件库表观模型特征补集相似物体跟踪漂移

来源：评论

学校读者我要写书评

暂无评论

基于注册和多尺度表观模型的三维头部跟踪

引用

浙江大学学报（工学版） 2009年第9期43卷 1597-1603页

作者：赵刚强陈岭陈根才浙江大学计算机科学与技术学院浙江杭州310027

针对人体大范围运动下的头部姿态跟踪问题,提出一种基于尺度不变特征变换(SIFT)局部描述符注册和多尺度表观模型的三维头部姿态跟踪方法.基于SIFT局部描述符的注册算法通过在两帧灰度图像间进行特征点匹配计算两帧间的头部运动,在两帧... 详细信息

针对人体大范围运动下的头部姿态跟踪问题,提出一种基于尺度不变特征变换(SIFT)局部描述符注册和多尺度表观模型的三维头部姿态跟踪方法.基于SIFT局部描述符的注册算法通过在两帧灰度图像间进行特征点匹配计算两帧间的头部运动,在两帧人脸图像的尺度有一定变化时仍可得到精确结果.多尺度视角表观模型可以减少大范围跟踪时的误差累积,该模型在线选取具有不同头部姿态的关键帧,并通过多次注册的方法来减少当前帧的误差累积.实验结果表明,该方法不仅跟踪结果准确(均方根(RMS)误差为4°),而且在人体前后运动约1 m和头部进出摄像机视角情况下均很鲁棒.

关键词：三维头部姿态跟踪表观模型尺度不变特征变换注册

来源：评论

学校读者我要写书评

暂无评论

基于三维在线表观模型的粒子滤波目标跟踪算法

引用

光电子．激光 2015年第9期26卷 1768-1775页

作者：金广智石林锁苏延召王哲君司海峰第二炮兵工程大学502教研室西安710025 西安思源学院西安710038

提出的基于三维在线表观模型的粒子滤波目标跟踪算法,以目标的独立特征为基础,分别从空域和时域对目标进行描述,构建目标的三维表观模型,并通过多重线性空间理论表达目标表观随时间推移引起的变化,实现模型的在线增量更新。采用粒子滤... 详细信息

提出的基于三维在线表观模型的粒子滤波目标跟踪算法,以目标的独立特征为基础,分别从空域和时域对目标进行描述,构建目标的三维表观模型,并通过多重线性空间理论表达目标表观随时间推移引起的变化,实现模型的在线增量更新。采用粒子滤波方法,对每个独立线索分别进行在线权重估计,通过多线索的融合实现动目标的稳定跟踪。三维在线表观模型和在线跟踪机制使跟踪模型对目标与背景的在线区分能力得到进一步增强,保证了算法在目标表观变化时的跟踪稳定性。通过多种目标表观复杂变化的场景验证,均取得了良好跟踪效果。

关键词：目标跟踪表观模型线索融合在线跟踪线性空间

来源：评论

学校读者我要写书评

暂无评论

基于结构化的加权联合特征表观模型的目标跟踪方法

引用

信息与控制 2015年第3期44卷 372-378,384页

作者：杨大为丛杨唐延东中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016 中国科学院大学北京100049 沈阳理工大学辽宁沈阳110159

为了解决单目标跟踪中的光照变化、部分遮挡问题,提出了一种结构化的加权联合特征表观模型.该模型将被跟踪的目标图像划分成若干图像块,在每个图像块内计算其颜色特征和纹理特征,将这些特征加权形成特征向量作为目标的表观模型.以该模... 详细信息

为了解决单目标跟踪中的光照变化、部分遮挡问题,提出了一种结构化的加权联合特征表观模型.该模型将被跟踪的目标图像划分成若干图像块,在每个图像块内计算其颜色特征和纹理特征,将这些特征加权形成特征向量作为目标的表观模型.以该模型为基础,利用贝叶斯理论,提出一种跟踪方法.实验结果表明了该方法的有效性.

关键词：表观模型目标跟踪朴素贝叶斯颜色特征纹理特征

来源：评论

学校读者我要写书评

暂无评论

表观模型下的视觉手部交互关键技术研究

表观模型下的视觉手部交互关键技术研究

引用

作者：杨刘涛南京航空航天大学

学位级别：硕士

飞行模拟器是民用航空与军用航空中飞行员训练不可或缺的关键训练设备。借助头盔显示器开发的基于虚拟现实技术的轻量级模拟器舱内外视景均由计算机生成,通过改变视景可实现不同机型重配置,使用灵活,沉浸感好,因而受到广泛关注。但是由... 详细信息

飞行模拟器是民用航空与军用航空中飞行员训练不可或缺的关键训练设备。借助头盔显示器开发的基于虚拟现实技术的轻量级模拟器舱内外视景均由计算机生成,通过改变视景可实现不同机型重配置,使用灵活,沉浸感好,因而受到广泛关注。但是由于佩戴了头盔显示器,飞行员在模拟训练过程中无法直接看到自身的手,因此交互性受到严重影响。为实现自然、和谐的人机交互,本文主要开展基于计算机视觉的手部交互技术研究。鉴于表观方法在计算资源、实时性等方面的优势,本文选择在表观模型下研究基于计算机视觉的手部交互关键技术,研究内容主要包括三个方面:手部定位,手势识别,手部姿态估计。其中手部定位是手部交互的前提,手势识别和手部姿态估计是手部交互技术的目标。考虑到人手的高自由度、高机动性,基于目标跟踪的方法容易出现目标丢失的情况,难以达到长时间跟踪,本文手部区域定位采用基于检测的跟踪定位方法(tracking by detection)提出了基于Hand Saliency Network(HSN)的手部检测网络,结合目标检测中广泛使用的Region Proposal Network(RPN),使用RGB图像和深度图像的双通道卷积神经网络结构,实现较为鲁棒和精确的手部定位。在表观模型框架之下,本文基于Poser构建手势模型库,建立手势2D图像和3D姿态参数间的映射,将手势姿态估计转化为手势识别问题。为消除自遮挡的影响,提高识别精度,本文在卷积神经网络框架下,提出了一种双视点下基于图像拼接技术的手势识别方法。,针对卷积神经网络的单通道结构,对双视点下的手势图像提出新的剪切拼接方法,在结合双视点信息的同时随机调整模型手的大小及位置来模拟真实情况,提高手势识别精度。为进一步提高手部3D姿态参数估计精度,本文提出了基于结构约束的手势姿态估计方法。首先建立了人手结构约束,避免关节点预测过程中出现物理不可达的人手姿态。在基于表观方法预测3D关节点的基础上,使用偏置向量回归的卷积神经网络,通过逆向运动学推出人手姿态参数与骨骼长度,通过物理约束损失函数辅助训练,提高手势姿态估计的精确度。

关键词：手部交互卷积神经网络手部检测手势识别手势姿态估计表观模型机器视觉

来源：评论

学校读者我要写书评

暂无评论

融合增量主成分分析与粒子滤波的车辆表观模型跟踪

引用

南京师大学报（自然科学版） 2017年第1期40卷 33-38页

作者：吴刚曾晓勤苏守宝王池社金陵科技学院计算机工程学院江苏南京211169 金陵科技学院大数据研究院江苏南京211169 河海大学计算机与信息学院江苏南京210098

针对车辆运动方向持续变化、目标车辆距离远近变化、光照强度变化等场景下,稳定且实时性地跟踪车辆的难点问题,融合自相关矩阵增量主成分分析(Incremental Principal Component Analysis,IPCA)增量学习与粒子滤波算法的基础上,提出一种... 详细信息

针对车辆运动方向持续变化、目标车辆距离远近变化、光照强度变化等场景下,稳定且实时性地跟踪车辆的难点问题,融合自相关矩阵增量主成分分析(Incremental Principal Component Analysis,IPCA)增量学习与粒子滤波算法的基础上,提出一种新的基于表观模型(Appearance Model,AM)的车辆跟踪方法,从跟踪初始利用自相关矩阵与特征值分解构建车辆的子空间图像,通过IPCA增量学习后的子空间均值、特征向量基共同参与似然概率密度的计算,提高粒子滤波算法粒子权值计算的精度.标准视频的跟踪实验表明:对比***-IPCA与***-IPCA表观模型跟踪方法,所提AM-IPCA车辆跟踪方法将跟踪成功率分别由82.7%~92.3%、92.1%~95.2%提升至95.1%~96.4%.

关键词：车辆跟踪表观模型自相关矩阵增量学习粒子滤波

来源：评论

学校读者我要写书评

暂无评论

基于表观模型和邻域信息的图像区域分类与识别算法

基于表观模型和邻域信息的图像区域分类与识别算法

引用

作者：董琦北京大学

学位级别：硕士

我们所处的真实世界与抽象世界的最大不同是其具有丰富的结构化信息，这种信息在人类视觉系统理解外部环境时发挥了重大作用。当人类观察图像时，他所看到的不仅是颜色和纹理，还有图像背后的世界。因此，计算机视觉算法也必须超越像素... 详细信息

我们所处的真实世界与抽象世界的最大不同是其具有丰富的结构化信息，这种信息在人类视觉系统理解外部环境时发挥了重大作用。当人类观察图像时，他所看到的不仅是颜色和纹理，还有图像背后的世界。因此，计算机视觉算法也必须超越像素层面，对图像场景进行深入理解，研究图像中有什么、研究图像中目标之间的相互关系甚至图像的含义。这种理解带来的高层次知识可以被广泛应用于物体识别、虚拟现实、机器人导航和三维重建等领域，效果显著。\n 图像区域识别是场景理解的一个方面，能为其它应用提供丰富的先验信息。本文涉及一种基于统计学习理论的单幅建筑物场景区域分类与识别算法，其主要贡献包括以下几方面：\n 1.递进式的场景理解过程：首先用Mean Shift方法对图像进行过分割，得到超像素：再对相邻的、具有相似表观特征的超像素进行合并得到具有类别一致性的图像区域；最后用统计学习的方法得到每一区域的类别标号。这种方法可以从不同层次挖掘图像信息，使图像区域识别结果更好、更加鲁棒。\n 2.将物体表观特征与邻域信息(相邻区域的类别)相结合，利用上下文关系修正表观模型的判断结果，提高区域分类与识别的准确率。\n 3.条件随机场方法常用在多类别图像分割与识别中，其参数优化过程通常较为复杂。本文利用Adalboost进行条件随机场参数的隐式求解，降低了算法复杂度同时也保证了效果。\n 本文提出的方法具有一定的应用价值，从该结果出发，可以指导常见物体(如人、汽车)的识别，同时物体识别的结果也可以用来改善区域分类的精度。

关键词：场景理解统计学习条件随机场图像分割表观模型邻域信息图像区域分类识别算法

来源：评论

学校读者我要写书评

暂无评论

基于判别式表观模型的目标跟踪算法研究

基于判别式表观模型的目标跟踪算法研究

引用

作者：李文茹电子科技大学

学位级别：硕士

近年来,由于视频跟踪技术极为广阔的市场应用前景,目标跟踪算法受到越来越多的研究者们的关注。视觉目标跟踪的关键在于寻找适合的目标表观描述方法,提取有效的表观特征,并在周围背景变化、目标形变或遮挡情况下具有较强的鲁棒性。本文... 详细信息

近年来,由于视频跟踪技术极为广阔的市场应用前景,目标跟踪算法受到越来越多的研究者们的关注。视觉目标跟踪的关键在于寻找适合的目标表观描述方法,提取有效的表观特征,并在周围背景变化、目标形变或遮挡情况下具有较强的鲁棒性。本文将中层视觉特征-超像素作为图像描述的基本单元,并将多尺度超像素融入判别式表观模型的目标跟踪框架中,将目标跟踪问题转换为一个区别目标与背景的分类问题,该方法可以有效的克服背景与目标特征相近等情况,提高目标跟踪的精度与鲁棒性。具体来说,本文展开了以下三方面的研究:首先,当前的判别式表观模型主要是基于像素点建立的,尽管通过训练得到的判别式表观模型能够在一定程度上区别背景与前景,但是基于每个像素点的特征表达具有一定的局限性。由于图像处理单元的可判别性很大程度上决定了该类方法的性能,因此本文引入富含语义描述信息的中层视觉特征-超像素,在预处理阶段先进行超像素分割,并将其作为图像基本描述单元,从而获得比像素更高的判别性。其次,由于不同尺度的超像素具有的特征显著性不同,本文提出了一种融合多尺度超像素的判别式目标跟踪方法,该方法将超像素作为图像处理的基本单元,训练Adaboost分类器,建立判别式的表观模型,把跟踪问题转化为以超像素为单位的两类判别问题。在目标跟踪过程中,建立融合多尺度超像素特征信息的置信图,基于变尺度meanshift算法定位目标,跟踪结果返回用于在线更新基于多尺度超像素的判别式表观模型。最后,本文搭建了融合多尺度超像素的判别式跟踪模型,针对一系列具有遮挡、非刚体严重形变等情况的视频序列,对比了多个现有方法,实验结果表明该算法能够有效地实现在有遮挡、非刚体严重形变等情况下的鲁棒跟踪。

关键词：判别式跟踪多尺度超像素表观模型 Adaboost分类器

来源：评论

学校读者我要写书评

暂无评论

基于表观模型的人脸特征点提取

引用

应用科技 2020年第6期47卷 47-52页

作者：闫保中何伟韩旭东哈尔滨工程大学自动化学院黑龙江哈尔滨150001

针对在人脸特征点提取过程中模型预估能力不足,拟合过程中的非法形变导致的特征点提取速度慢和提取精度不高的问题,本文提出了一种基于主动表观模型(AAM)的人脸特征点提取算法的改进算法。将头部作初始分类,不同的头部姿态选取不同人脸... 详细信息

针对在人脸特征点提取过程中模型预估能力不足,拟合过程中的非法形变导致的特征点提取速度慢和提取精度不高的问题,本文提出了一种基于主动表观模型(AAM)的人脸特征点提取算法的改进算法。将头部作初始分类,不同的头部姿态选取不同人脸模型进行拟合,这样能避免初始化模型与真实特征点位置相差过大,从而使得模型能更快的收敛,提高特征点提取速度。同时提出一种方法,对拟合过程中的形状变量加以限制,能有效过滤掉不满足人脸形状的特征点模型,防止拟合过程中的非法形变,使提取的人脸特征点更接近真实位置。实验结果表明,改进的基于AAM的人脸特征点提取算法在时间效率和准确率上都所有提高。

关键词：表观模型特征提取人脸特征点主动表观模型非法变形方向梯度直方图特征拟合头部姿态

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：