2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩74頁未讀 繼續(xù)免費閱讀

下載本文檔

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

文檔簡介

1、視頻目標跟蹤技術(shù)是計算機視覺領域的重點研究方向之一,在軍事和民用領域得到了廣泛的應用,比如導彈制導,智能交通,安防監(jiān)控及醫(yī)學圖像等諸多領域,因此,對視頻目標跟蹤技術(shù)的研究有著重要的經(jīng)濟價值和廣泛的應用前景。視頻目標跟蹤技術(shù)在近三十年得到了快速的發(fā)展,但能長時間可靠地對運動目標進行跟蹤的技術(shù)還遠未成熟。TLD跟蹤算法是一種能長時間對目標進行跟蹤的算法,然而,該算法在遇到目標遮擋、形變、光照變化以及目標數(shù)量較多等情況時,就不能對目標進行很好

2、地跟蹤。本文對TLD跟蹤算法進行了深入分析,并對其在應對遮擋、形變、光照變化的不足和實時性較差等問題,提出了相應的改進措施,主要有以下幾個方面:
 ?。?)提出了一種TLD跟蹤算法與卡爾曼濾波相結(jié)合的跟蹤算法。該算法主要是解決單目標出現(xiàn)遮擋導致跟蹤失敗的問題。當正常跟蹤時,利用TLD跟蹤下一幀的狀態(tài)作為觀測值更新卡爾曼濾波器;當目標出現(xiàn)遮擋時,利用卡爾曼預測的下一幀狀態(tài)作為觀測值更新TLD跟蹤算法。
  (2)提出一種TLD

3、跟蹤算法與尺度自適應meanshift相結(jié)合的跟蹤算法。該方法主要是解決單目標出現(xiàn)形變導致跟蹤失敗的問題。通過TLD跟蹤算法動態(tài)調(diào)整尺度自適應meanshift算法的迭代起始點,之后,利用尺度自適應meanshift為TLD跟蹤算法提供更新模板。
 ?。?)提出一種改進的TLD多目標跟蹤算法。該算法分別對TLD模型中的檢測器和跟蹤器進行了改進。對檢測器的改進主要體現(xiàn)在通過提升檢測器的檢測效率和降低算法的運算量,來提高跟蹤的實時性。

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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。
  • 6. 下載文件中如有侵權(quán)或不適當內(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。

評論

0/150

提交評論