提出了基于颜色比率梯度(CRG,color ratio gradient)的样本块图像修补新方法。CRG对纹理中物体的遮挡和聚类的区分是鲁棒的,该方法的引入可以消除修补过程中纹理块选择时的误匹配,提高修补过程中源纹理块的质量,从而提高最终图像修补的...
详细信息
提出了基于颜色比率梯度(CRG,color ratio gradient)的样本块图像修补新方法。CRG对纹理中物体的遮挡和聚类的区分是鲁棒的,该方法的引入可以消除修补过程中纹理块选择时的误匹配,提高修补过程中源纹理块的质量,从而提高最终图像修补的质量。图像修补实验结果表明,本文提出的方法优于原有的基于样本块修补算法。
本文针对在行人跟踪过程中遇到的背景相似物干扰、行人之间的相互遮挡和背景杂乱等导致跟踪状态不稳定的问题,基于DIMP(learning discriminative model prediction for tracking)跟踪算法,提出了一种跟踪状态自适应的判别式单目标行人...
详细信息
本文针对在行人跟踪过程中遇到的背景相似物干扰、行人之间的相互遮挡和背景杂乱等导致跟踪状态不稳定的问题,基于DIMP(learning discriminative model prediction for tracking)跟踪算法,提出了一种跟踪状态自适应的判别式单目标行人跟踪算法。跟踪过程中由分类滤波器和搜索区域进行卷积操作得到响应图,通过响应图判断跟踪状态,跟踪状态分为弱响应状态、多峰强响应状态、单峰强响应状态。针对多峰强响应状态下的干扰物影响,提出在线更新策略,利用激励和抑制损失更新分类滤波器,提高分类滤波器的判别能力。针对多峰强响应和弱响应状态下目标预测不准确的问题,通过偏移量和增添候选框修正目标位置,提高跟踪精度。实验验证提出的算法在行人视频序列上跟踪结果,精度达到了0.978,成功率达到了0.740,在NVIDIA GTX 1650显卡下有30 fps的实时速度。
传统的目标检测方法需要对大量候选窗(区域)做判断,需要较大的计算量。本文根据人体特点,提出了一种基于分级判断的方法,需要判断的候选窗逐级减少,因此可以大量减少复杂特征和分类器需要判断的候选窗数量,进而减少整个检测算法的计算量。算法首先对待检测图像提取NG(norm of gradients)特征,通过线性支持向量机(SVM)判断得到行人的候选区域;然后对候选区域提取简化梯度方向直方图(HOG,histograms of oriented gradients)特征,采用线性SVM对候选区域进一步的过滤;最后对经过过滤筛选得到的区域提取多分辨率HOG特征,使用可变形部件模型(DPM,deformation part model)对候选区域进行检测定位行人的位置。在INRIA数据集上的实验结果表明,本文方法在保证检测精度的情况下,虽然相比于原始DPM算法有少数的行人漏检,但是本文方法的检测结果中行人误检数目远少于原始DPM算法,检测速度也优于原始DPM算法。
暂无评论