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、目標跟蹤的應(yīng)用領(lǐng)域諸多,如人機交互、安全檢測、軍事視覺制導(dǎo)等。由于外界環(huán)境、目標本身、算法的時間性能和準確度等的影響,限制了很多目標跟蹤算法的應(yīng)用場景。因此,構(gòu)建魯棒的跟蹤算法具有重要的現(xiàn)實意義。本文從生成式目標跟蹤方法和判別式目標跟蹤方法兩個方向出發(fā),比較系統(tǒng)地研究目標跟蹤算法。本文主要研究內(nèi)容如下:
1.討論了目標跟蹤中的難點,對生成式和判別式兩種目標跟蹤方法的應(yīng)用場景和研究背景等進行了詳細的分析,探討了兩種方法的相關(guān)算法
2、,闡述了兩種目標跟蹤方法中比較經(jīng)典的算法和相關(guān)重要細節(jié),為全文的理論研究奠定基礎(chǔ)。
2.針對粒子濾波算法在有干擾的目標跟蹤中可能出現(xiàn)的粒子多樣性減少和精度下降等問題,研究并實現(xiàn)了一種新的基于約束知識的IP-MCMC-PF目標跟蹤方法。該方法首先通過約束知識提高粒子預(yù)測的準確性,并通過多鏈并行的IP-MCMC方法提高粒子的多樣性,有效地解決粒子退化問題;然后在此基礎(chǔ)上通過PN學(xué)習(xí)算法在線更新抽樣粒子的抽樣分布和檢測器的訓(xùn)練樣本,
3、實現(xiàn)目標跟蹤算法的在線學(xué)習(xí),有效提高了復(fù)雜背景下目標跟蹤的準確度和自適應(yīng)性。
3.針對壓縮感知目標跟蹤算法存在的跟蹤限制問題,提出了一種自適應(yīng)壓縮感知跟蹤算法。該方法首先引入wu的方法解決了跟蹤目標尺度單一問題;其次,使用分類器的分類結(jié)果反饋來決定是否更新分類器,通過分類響應(yīng)值來預(yù)測目標受到的干擾,自適應(yīng)的更新分類器參數(shù);最后,增加了特征選擇,根據(jù)特征的正負類條件概率分布的商的大小關(guān)系進行特征排序。將排序在前面的特征更新分類器
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(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
- 復(fù)雜場景下目標穩(wěn)定跟蹤算法研究.pdf
- 復(fù)雜場景下的目標跟蹤算法研究.pdf
- 復(fù)雜場景下的豬目標跟蹤算法研究.pdf
- 復(fù)雜目標描述與穩(wěn)健跟蹤算法研究.pdf
- 復(fù)雜場景中目標跟蹤算法魯棒性研究.pdf
- 復(fù)雜場景下運動目標檢測與跟蹤算法研究.pdf
- 復(fù)雜場景下的單目標視覺跟蹤算法研究.pdf
- 復(fù)雜場景中運動目標的穩(wěn)健檢測與跟蹤.pdf
- 復(fù)雜場景下運動目標檢測與跟蹤的算法研究.pdf
- 復(fù)雜場景下的運動目標檢測與跟蹤算法研究.pdf
- 復(fù)雜場景下單目標視覺跟蹤算法研究.pdf
- 復(fù)雜場景中單目標跟蹤算法研究.pdf
- 復(fù)雜場景下的目標跟蹤方法研究.pdf
- 復(fù)雜場景下的壓縮跟蹤算法研究
- 復(fù)雜場景中目標跟蹤算法的應(yīng)用.pdf
- 復(fù)雜場景下的壓縮跟蹤算法研究.pdf
- 自然場景下目標跟蹤算法的研究.pdf
- 復(fù)雜場景的運動目標檢測與跟蹤算法研究.pdf
- 復(fù)雜場景下運動目標的視覺跟蹤方法研究.pdf
- 復(fù)雜場景下目標檢測算法研究.pdf
評論
0/150
提交評論