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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、非特定目標(biāo)的長時間跟蹤技術(shù)是指對視頻中感興趣的目標(biāo)區(qū)域進(jìn)行持續(xù)有效地跟蹤。需要解決的一種問題是,對于目標(biāo)運(yùn)動較為激烈的視頻序列,如何對產(chǎn)生形變的目標(biāo)繼續(xù)跟蹤。目標(biāo)跟蹤過程中的在線學(xué)習(xí)就是解決這一問題的一種頗為有效的方法。
本文首先給出了一種基于在線學(xué)習(xí)的目標(biāo)模板更新方法。通過計算掃描窗口與目標(biāo)框的重疊度來判定正負(fù)樣本并更新目標(biāo)模板,重疊度定義為兩個矩形框的交集與均值面積之比。隨后,在跟蹤-學(xué)習(xí)-檢測算法(Tracking-Le
2、arning-Detection,TLD)的基礎(chǔ)上,采用本文給出的目標(biāo)模板更新方法進(jìn)行實(shí)驗分析。同時,針對TLD跟蹤系統(tǒng)進(jìn)行了創(chuàng)新性改進(jìn),實(shí)現(xiàn)可靠且準(zhǔn)確的目標(biāo)跟蹤,提高了系統(tǒng)的跟蹤成功率。
本文的主要工作有:
1.提出一種基于在線學(xué)習(xí)的目標(biāo)模板更新方法,并將該方法應(yīng)用到TLD跟蹤系統(tǒng)之中,提高了系統(tǒng)的跟蹤成功率。
2.通過對TLD跟蹤系統(tǒng)初始化部分的研究,對其初始模板的生成方法進(jìn)行了改進(jìn)。由鼠標(biāo)拖動形成矩形
3、框作為初始目標(biāo)區(qū)域改成鼠標(biāo)單擊選擇矩形中心,生成初始目標(biāo)模板。減少了背景區(qū)域的干擾,同時使操作更加簡便。
3.改進(jìn)了TLD系統(tǒng)的檢測模塊,在檢測模塊中的第一步方差濾波器之前引入了幀間差分法,將利用幀間差分法檢測到的含有目標(biāo)的圖像塊輸入給方差濾波器,提高了檢測模塊的準(zhǔn)確性以及效率。
4.在VS2008與OpenCV2.3.1平臺上,本文對原始方法與改進(jìn)后的方法進(jìn)行比較,分別采用多次實(shí)驗取平均值法與固定目標(biāo)框的方法進(jìn)行實(shí)
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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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Mean Shift的長時間目標(biāo)跟蹤.pdf
- 基于核相關(guān)濾波的長時間目標(biāo)跟蹤算法研究.pdf
- 雷達(dá)微弱目標(biāo)長時間積累技術(shù)研究.pdf
- 高速目標(biāo)雷達(dá)信號長時間積累技術(shù)研究.pdf
- 基于在線學(xué)習(xí)的視頻檢測與跟蹤技術(shù)研究.pdf
- 空中弱小目標(biāo)長時間相參積累檢測技術(shù)研究.pdf
- 基于在線學(xué)習(xí)的運(yùn)動目標(biāo)跟蹤算法研究.pdf
- 視頻序列中單目標(biāo)物體的長時間跟蹤方法.pdf
- 非特定人孤立詞語音識別技術(shù)研究.pdf
- 長時間海底聲音采集技術(shù)研究.pdf
- 特定目標(biāo)跟蹤的算法研究.pdf
- 基于TLD的人臉長時間跟蹤的研究與應(yīng)用.pdf
- 基于在線學(xué)習(xí)的視頻多目標(biāo)關(guān)聯(lián)技術(shù)研究.pdf
- 基于在線多示例學(xué)習(xí)的目標(biāo)跟蹤算法研究.pdf
- 基于分塊模型和在線學(xué)習(xí)的目標(biāo)跟蹤.pdf
- 基于多示例學(xué)習(xí)的機(jī)器人目標(biāo)跟蹤技術(shù)研究.pdf
- 非特定人連續(xù)語音識別技術(shù)研究與應(yīng)用.pdf
- 基于Struck算法的目標(biāo)跟蹤技術(shù)研究.pdf
- 基于DSP的動態(tài)目標(biāo)跟蹤技術(shù)研究.pdf
- 基于壓縮傳感的目標(biāo)跟蹤技術(shù)研究.pdf
評論
0/150
提交評論