检索结果-内蒙古大学图书馆

电子与信息学报 2016年第11期38卷 2803-2810页

作者：吴正平杨杰崔晓梦张庆年武汉理工大学光纤传感技术与信息处理教育部重点实验室武汉430070 三峡大学计算机与信息工程学院宜昌443002

在贝叶斯推理框架下,基于PCA子空间和l2范数最小化的目标跟踪算法能较好地处理视频场景中多种复杂的外观变化,但在目标出现旋转或姿态变化时易发生跟踪漂移现象。针对这一问题,该文提出一种融合l2范数最小化和压缩Haar-like特征匹配的... 详细信息

在贝叶斯推理框架下,基于PCA子空间和l2范数最小化的目标跟踪算法能较好地处理视频场景中多种复杂的外观变化,但在目标出现旋转或姿态变化时易发生跟踪漂移现象。针对这一问题,该文提出一种融合l2范数最小化和压缩Haar-like特征匹配的快速视觉跟踪方法。该方法通过去除规模庞大的方块模板集和简化观测似然度函数降低计算的复杂度;而压缩Haar-like特征匹配技术则增强了算法对目标姿态变化及旋转的鲁棒性。实验结果表明:与目前流行的跟踪方法相比,该方法对严重遮挡、光照突变、快速运动、姿态变化和旋转等干扰均具有较强的鲁棒性,且在多个测试视频上可以达到29帧/s的速度,能满足快速视频跟踪要求。

关键词：目标跟踪 PCA子空间 l2范数最小化压缩Haar-like特征观测似然度

来源：评论

学校读者我要写书评

暂无评论

基于l2范数最小化联合模型的目标跟踪算法

引用

北京航空航天大学学报 2015年第3期41卷 559-566页

作者：王蒙吴毅邓健康刘青山南京信息工程大学信息与控制学院南京210044

为了解决稀疏表示的跟踪算法的计算代价比较大,且目标的表观由于多种原因会发生变化的问题,提出了一种在贝叶斯推理框架下,建立结合基于全局模板的判别式模型和基于局部描述子的生成式模型的联合模型,通过l2范数最小化进行求解的目标跟... 详细信息

为了解决稀疏表示的跟踪算法的计算代价比较大,且目标的表观由于多种原因会发生变化的问题,提出了一种在贝叶斯推理框架下,建立结合基于全局模板的判别式模型和基于局部描述子的生成式模型的联合模型,通过l2范数最小化进行求解的目标跟踪方法.在跟踪过程中,适时地更新判别式模型中的正负模板和生成式模型中模板的系数向量,使模板具有很强的适应性和判别性.实验结果表明,与其他典型的算法相比,该算法对于光照变化、尺度变化、遮挡、旋转等情况具有较强的鲁棒性.

关键词：目标跟踪 l2范数最小化判别式模型生成式模型子空间

来源：评论

学校读者我要写书评

暂无评论

基于深度学习约束的逆稀疏目标跟踪

基于深度学习约束的逆稀疏目标跟踪

引用

作者：孙文静湖南工业大学

学位级别：硕士

目标跟踪是计算机视觉领域的一个非常重要的突破,也是许多研究学者现在的主要研究方向。目前,目标跟踪已经在智能监控、智能交通、人机交互、医学图像等方面得到广泛应用。目标跟踪问题可以被理解为在视频序列的每一帧图像中对某一目标... 详细信息

目标跟踪是计算机视觉领域的一个非常重要的突破,也是许多研究学者现在的主要研究方向。目前,目标跟踪已经在智能监控、智能交通、人机交互、医学图像等方面得到广泛应用。目标跟踪问题可以被理解为在视频序列的每一帧图像中对某一目标的运动轨迹进行估计。然而,在现实场景下的目标跟踪中,目标可能会出现尺度变化、姿态变化、运动速度变化以及遮挡现象等,场景中也存在光照剧烈变化、复杂背景干扰等因素,这都会对目标的准确跟踪产生干扰,降低跟踪算法的性能。因此,设计一个好的跟踪算法,实现对目标的有效跟踪,仍然是一个极具有挑战性的难题。本文通过对视频目标跟踪的基础理论和关键技术的深入研究,以及对当前国内外杰出跟踪算法的分析,从视频跟踪问题的基本建模方式入手,结合当前深度学习理论,提出了基于深度学习约束的逆稀疏目标跟踪算法。本文的主要研究工作概括如下:首先,构建了一种卷积神经网络结构,通过离线预训练模型,用于候选样本的分类与目标局部特征的提取。其次,本文分析了基于判别式模型与生成式模型的优缺点,提出了一种联合模型的目标表观建模。判别式模型中利用迁移学习思想,通过在线微调分类卷积神经网络,实现对候选样本的分类评估。在生成式模型中,为了解决难以构建过完备字典的问题,引入了逆稀疏表示理论,并采用l2范式最小化求解逆稀疏系数,提高算法的精确度。最后,提出了基于深度学习约束的逆稀疏目标跟踪算法。在公共测试集平台OTB(Object Tracking Benchmark)上,分别与基于不同特征或者不同分类器或者不同稀疏约束的跟踪算法进行全面地对比分析。大量实验结果表明,本文算法在光照和尺度变化、部分遮挡、快速运动等复杂环境下,都可以很好地跟踪到目标,验证了本文算法的鲁棒性和稳定性。

关键词：目标跟踪卷积神经网络联合模型逆稀疏表示 l2范数最小化

来源：评论

学校读者我要写书评

暂无评论

基于l_2范数最小化的实时目标跟踪

引用

中国图象图形学报 2014年第1期19卷 36-44页

作者：齐美彬杨勋杨艳芳陆磊蒋建国合肥工业大学计算机与信息学院合肥230009 安全关键工业测控技术教育部工程研究中心合肥230009 合肥工业大学电子科学与应用物理学院合肥230009

目的在贝叶斯推理框架下,基于稀疏表示的跟踪算法能够较好地处理目标在视频场景中的各种复杂的外观变化,取得较为鲁棒的跟踪效果,但算法的计算复杂度很高,很难满足实时性要求。针对稀疏跟踪算法的这一问题,提出了一种基于l2范数最小化... 详细信息

目的在贝叶斯推理框架下,基于稀疏表示的跟踪算法能够较好地处理目标在视频场景中的各种复杂的外观变化,取得较为鲁棒的跟踪效果,但算法的计算复杂度很高,很难满足实时性要求。针对稀疏跟踪算法的这一问题,提出了一种基于l2范数最小化的实时目标跟踪算法。方法将主成分分析(PCA)子空间目标表示与l2范数最小化进行结合,去除稀疏跟踪算法中常用的琐碎模板集,建立基于l2范数最小化的目标表示模型以及将遮挡等因素考虑在内的观测似然度函数。结果在大量的实验测试集上的对比实验结果显示,该算法和多个非常优秀的跟踪算法相比,可以达到相同甚至更高的跟踪精度,而且在多个测试集上可以达到20帧/s的速度。结论该算法可以很好地应对视频监控场景中遮挡、光线突变、尺度变化和非刚性形变等干扰,同时算法复杂度低,满足了实时要求。

关键词：目标跟踪稀疏表示贝叶斯推理 l2范数最小化

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表征的目标跟踪算法研究

基于稀疏表征的目标跟踪算法研究

引用

作者：乔晓康浙江师范大学

学位级别：硕士

视觉跟踪一直是计算机视觉领域的研究热点,特别是在军事侦察、医学成像、机器人和人机交互等领域广泛应用。尽管许多目标跟踪方法近年来已经被提出,对于复杂和动态场景由于存在遮挡、背景杂乱、光照变化、相机运动、视角不同、规模变化... 详细信息

视觉跟踪一直是计算机视觉领域的研究热点,特别是在军事侦察、医学成像、机器人和人机交互等领域广泛应用。尽管许多目标跟踪方法近年来已经被提出,对于复杂和动态场景由于存在遮挡、背景杂乱、光照变化、相机运动、视角不同、规模变化等因素,设计一个健壮的视觉跟踪算法仍然是一个挑战性问题。本文的主要研究内容有以下几点:(1)针对跟踪过程出现的复杂外观变化问题,多数跟踪算法没有充分利用局部图像块特征,本文结合了全局模板和图像块局部特征设计了一个鲁棒性的目标跟踪算法。(2)本文设计了一个基于稀疏判别分类器和一个基于稀疏的生成模型。在判别模型中,本文使用了一种有效计算置信值的方法给背景和前景分配不同的权重。在生成模型中,基于一种新的对齐池的方法可以有效获取每一个图像块的部分信息和空间信息,不仅可以更准确的定位目标,而且可以有效的处理遮挡问题。(3)针对采用l1规范化最小二乘对稀疏表示方程进行约束,在求解稀疏方程会出现计算复杂度过高的问题,本文提出一种基于l2范数联合模型的目标跟踪方法。该方法能在保证目标跟踪精度的同时缩减原算法的时间开销。(4)在若干公共实验数据集上,面对光照变化、复杂背景、遮挡等挑战性因素时,实验结果表明,本文的算法与其它优秀算法相比具有一定的可比性。

关键词：目标跟踪 l2范数最小化生成模型判别模型稀疏表征联合模型

来源：评论

学校读者我要写书评

暂无评论

基于粒子滤波的目标跟踪方法研究

基于粒子滤波的目标跟踪方法研究

引用

作者：王蒙南京信息工程大学

学位级别：硕士

视频中的目标跟踪在视频监控、智能交通、智能人机交互、视频压缩、军用领域等领域有着广阔的应用前景,是计算机视觉领域中一个非常具有挑战性的课题。目标跟踪是一个跨学科的综合技术,融合了图像处理、机器学习、模式识别等多方面的理... 详细信息

视频中的目标跟踪在视频监控、智能交通、智能人机交互、视频压缩、军用领域等领域有着广阔的应用前景,是计算机视觉领域中一个非常具有挑战性的课题。目标跟踪是一个跨学科的综合技术,融合了图像处理、机器学习、模式识别等多方面的理论,目标跟踪算法的研究具有十分重要的理论价值和实际意义。近二十年来目标跟踪技术研究有了一定的发展,但是,复杂场景中目标跟踪仍然是个未解决的问题。基于这一背景,本文主要研究了基于粒子滤波的复杂场景目标跟踪方法。主要贡献包括：(1)提出了一种联合模型,再通过l2范数进行最小化求解的目标跟踪算法。这种联合模型融合了基于局部描述子的生成式模型和基于全局模板的判别式模型。在跟踪过程中,针对可能出现的遮挡以及目标表观的变化,提出了模型更新和遮挡处理等策略,适时的更新生成式模型中模板的系数向量和判别式模型中的正负模板,使模板具有很强的判别性和适应性。实验结果表明,该算法具有较好的鲁棒性。(2)提出了一种基于在线局部主成分分析的目标跟踪算法。表观模型是目标跟踪算法中的核心组成部分,因此建立具有自适应性的表观模型对提高目标跟踪算法的性能非常关键。本文提出通过增量地分块学习低维子空间的表示,可以有效地在线适应目标表观的变化。在粒子滤波的框架下,对目标区域分块,分别用增量主成分分析的方法进行表观建模,再将各部分的相似性融合起来做为粒子的权重。基于增量主成分分析的模型更新包含两个重要的特征：正确更新样本的均值和引入遗忘因子来增加最近获取图像的权重。实验结果表明,该算法具有较好的鲁棒性。

关键词：目标跟踪粒子滤波 l2范数最小化联合模型增量子空间学习

来源：评论

学校读者我要写书评

暂无评论

基于Ml和l2范数的视频目标跟踪算法

引用

电子学报 2013年第11期41卷 2307-2313页

作者：姜明新王洪玉王洁王彪大连理工大学信息与通信工程学院辽宁大连116024 大连民族学院信息与通信工程学院辽宁大连116600

目标跟踪是计算机视觉领域的一个具有挑战性的问题,本文提出了一种基于Ml(最大似然)估计和l2范数的视频目标跟踪算法.建立基于稀疏限制的Ml模型,给样本中的异常像素分配较小的权值,减少异常像素对跟踪算法的影响.利用l2范数最小化进行... 详细信息

目标跟踪是计算机视觉领域的一个具有挑战性的问题,本文提出了一种基于Ml(最大似然)估计和l2范数的视频目标跟踪算法.建立基于稀疏限制的Ml模型,给样本中的异常像素分配较小的权值,减少异常像素对跟踪算法的影响.利用l2范数最小化进行稀疏编码求解.采用贝叶斯估计得出目标跟踪结果.与其他典型算法相比,本算法降低了计算的复杂度,对遮挡,旋转,尺度变化,光照变化等异常变化具有较强的鲁棒性.

关键词：稀疏限制最大似然 l2范数最小化贝叶斯MAP估计

来源：评论

学校读者我要写书评

暂无评论

复杂场景下单目标视觉跟踪算法研究

复杂场景下单目标视觉跟踪算法研究

引用

作者：杨勋合肥工业大学

学位级别：硕士

目标跟踪是智能视频监控系统的重要组成部分,是计算机视觉领域的热门研究方向。目标跟踪在城市安全监控、导弹制导、城市交通、银行监控和娱乐等方面都有相应的应用,具有良好的市场应用前景。尽管相关研究者对目标跟踪的研究时间已经接... 详细信息

目标跟踪是智能视频监控系统的重要组成部分,是计算机视觉领域的热门研究方向。目标跟踪在城市安全监控、导弹制导、城市交通、银行监控和娱乐等方面都有相应的应用,具有良好的市场应用前景。尽管相关研究者对目标跟踪的研究时间已经接近30年之久,但是现实跟踪场景往往比较复杂,存在着目标遮挡、光线突变、目标形变、尺度变化等等复杂干扰,到目前为止,研究者仍然没有设计出一种可以适应复杂跟踪场景的快速、鲁棒和高精度的目标跟踪算法。本文分析了当前目标跟踪研究的现状,分别提出两种复杂场景下基于视觉的单目标跟踪算法。(1)近年来,基于稀疏表示的生成式跟踪算法受到领域内研究者的广泛关注,大量基于稀疏表示的跟踪算法被提出,然而,该类算法都存在一个通病：由于每一帧大量求解l1正则化所带来的算法时效性低下问题,严重制约了跟踪算法的工程推广。本文在第三章提出了一种基于l2范数最小化的实时跟踪算法,对目标模板进行正交化,去除模板之间的冗余性,构成正交子空间用于对目标进行重构,通过l2范数最小化对目标表示模型进行求解,并引入一个阈值参数对重构误差进行分解,建立更为鲁棒的观测模型。整个算法快速且有效;(2)当前的目标跟踪算法主要分为两类：生成式和判别式,二者皆存在各自的缺点。生成式跟踪算法对目标外观表示能力较强,但缺乏利用背景信息；判别式跟踪算法,虽然将目标背景和前景都融合入模型中,但对目标的重构能力较差。针对该问题,本文在第四章提出一种生成式跟踪和判别式跟踪相结合的协同跟踪算法,将两类跟踪算法的优势进行互补；本文对所提出的两种跟踪算法在大量数据集中进行实验,并与近几年多种知名的跟踪算法进行对比,定量和定性的实验分析显示,两种算法均能有效地对目标进行持续、准确地跟踪,可以较好地克服复杂场景下所存在的目标遮挡、尺度变化、光线突变以及位姿变化等复杂干扰。

关键词：目标跟踪粒子滤波稀疏表示 l1范数最小化 l2范数最小化

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：