版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、視頻目標(biāo)檢測(cè)與跟蹤是計(jì)算機(jī)視覺研究領(lǐng)域的核心問題,一直得到廣泛的研究與關(guān)注,這主要是因?yàn)樵摲较蛟诂F(xiàn)實(shí)的諸多領(lǐng)域都有廣泛的應(yīng)用,例如視頻監(jiān)控、醫(yī)學(xué)診斷以及虛擬現(xiàn)實(shí)等。因此,對(duì)跟蹤算法的研究具有重要理論價(jià)值和實(shí)際意義。本文以智能視頻監(jiān)控系統(tǒng)為研究背景,在霍夫森林框架的算法的基礎(chǔ)上,針對(duì)樣本篩選、目標(biāo)搜索等問題進(jìn)行了深入研究,并在此基礎(chǔ)上構(gòu)建了一個(gè)魯棒的、準(zhǔn)確的多人體目標(biāo)跟蹤系統(tǒng)。本文的主要研究?jī)?nèi)容如下:
(1)針對(duì)傳統(tǒng)霍夫森林算法
2、中背景與目標(biāo)顏色相似時(shí)可能導(dǎo)致跟蹤失敗的問題,提出了一種改進(jìn)的在線霍夫森林跟蹤算法。在每幀圖像檢測(cè)完成后,對(duì)提取到的樣本塊首先使用熵特征進(jìn)行粗選取,從而獲得紋理信息更豐富的訓(xùn)練樣本;然后在直方圖特征空間中求取樣本相似度,留下正樣本中相似度小的樣本與負(fù)樣本去更新分類器,從而消除由于樣本不準(zhǔn)確而導(dǎo)致的分類器性能下降問題。實(shí)驗(yàn)結(jié)果表明與傳統(tǒng)的霍夫森林跟蹤算法相比,本文的改進(jìn)算法很好的解決了顏色相似問題,具有廣泛的實(shí)用性。
(2)針對(duì)
3、傳統(tǒng)霍夫森林算法中目標(biāo)搜索空間固定而導(dǎo)致的目標(biāo)檢測(cè)結(jié)果不準(zhǔn)確的問題,提出一種基于目標(biāo)塊加權(quán)中心的迭代搜索策略,從而解決在跟蹤過(guò)程中由于目標(biāo)運(yùn)動(dòng)速度過(guò)快而導(dǎo)致跟蹤失敗的問題。實(shí)驗(yàn)結(jié)果表明本文的迭代式搜索策略在保證算法穩(wěn)定性的同時(shí)提高了跟蹤精度。
(3)基于霍夫森林的多目標(biāo)檢測(cè)算法與霍夫森林單目標(biāo)跟蹤算法,提出了一個(gè)簡(jiǎn)單的多目標(biāo)跟蹤系統(tǒng),并通過(guò)實(shí)驗(yàn)驗(yàn)證了該系統(tǒng)的可行性和實(shí)用性。
本文在分析和研究霍夫森林算法的基礎(chǔ)上,從訓(xùn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于CUDA的霍夫森林目標(biāo)跟蹤算法研究.pdf
- 霍夫森林與分割融合的跟蹤算法研究.pdf
- 基于霍夫變換的弱目標(biāo)檢測(cè)前跟蹤算法.pdf
- 運(yùn)動(dòng)多目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 基于交替霍夫森林的目標(biāo)跟蹤及GPU實(shí)現(xiàn).pdf
- 紅外多目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 基于檢測(cè)前跟蹤技術(shù)的多目標(biāo)跟蹤算法研究.pdf
- 多目標(biāo)跟蹤算法研究.pdf
- TLD框架下的多人臉目標(biāo)跟蹤算法設(shè)計(jì)與實(shí)現(xiàn).pdf
- 多目標(biāo)粒子濾波檢測(cè)前跟蹤算法研究.pdf
- 多目標(biāo)檢測(cè)與跟蹤技術(shù)的研究.pdf
- 機(jī)動(dòng)目標(biāo)跟蹤與多目標(biāo)互聯(lián)算法研究.pdf
- 視頻中多目標(biāo)檢測(cè)和跟蹤算法研究.pdf
- 低可觀測(cè)多目標(biāo)檢測(cè)跟蹤算法的研究.pdf
- 基于視頻的人體多目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 聯(lián)合自適應(yīng)馬爾科夫矩陣的多目標(biāo)跟蹤算法研究.pdf
- 多目標(biāo)DOA跟蹤算法研究.pdf
- 視頻監(jiān)控中多目標(biāo)檢測(cè)和跟蹤算法的研究.pdf
- 基于伯努利濾波的多目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 基于DSP的多目標(biāo)跟蹤算法研究.pdf
評(píng)論
0/150
提交評(píng)論