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102頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、視頻目標跟蹤技術自動檢測和跟蹤視頻序列中的目標,估計目標的運動參數(shù)和運動狀態(tài)。其在視頻分析與理解、友好人機交互、生物特征識別和視頻會議等領域中應用廣泛。均值移動算法是一種常用的視頻目標跟蹤算法,其原理簡單,實時性能優(yōu)越。本文主要在跟蹤特征、候選目標模型處理、權值計算和算法跟蹤框架的統(tǒng)一等方面對均值移動算法進行了改進。
   論文的主要工作包括:
   (1)、給出一種以核共生矩陣為跟蹤特征的均值移動跟蹤算法。視頻目標跟蹤

2、中的顏色特征易受環(huán)境光照、視角和攝像機參數(shù)等因素的影響。本文根據(jù)灰度共生矩陣的思想構造了核共生矩陣來描述目標模型和候選目標的紋理特征,并在此基礎上提出了一種基于核共生矩陣的均值移動跟蹤算法。存算法的實現(xiàn)過程中做了一些改進工作:構造核共生矩陣時對相反方向上的像素加以區(qū)分,從而更好地刻畫目標的不對稱特性;將目標模型和候選目標的核共生矩陣規(guī)整劍同一個比較大的常數(shù),以提高計算精度;對各像素的權值計算公式進行修正以提高算法速度。真實場景跟蹤實驗表

3、明,在光照較暗、照度變化和存在部分遮擋等條件下,論文所提算法仍能有效地跟蹤目標。
   (2)、給出一種基于直方圖平滑處理和新型相似性度量函數(shù)的小尺寸目標跟蹤算法。小尺寸目標跟蹤是視頻目標跟蹤中的難題。論文分析了基于均值移動的小尺寸目標跟蹤算法的兩個主要難題:算法跟蹤中斷和丟失跟蹤口標。論文在這兩個方面對小尺寸目標跟蹤算法進行改進。給出了一種新的直主圖單元編號方法,使包含目標顏色分量的直方圖單元分布得更為集中緊湊。當候選目標與目

4、標模型不匹配時,給出一種平滑算法來處理候選目標的直方圖。論文提出一種新的相似性度量函數(shù),推導了相應的像素權值計算公式,在此基礎上建立了基于均值移動的小尺寸目標跟蹤算法。多段真實場景視頻序列的跟蹤實驗表明,本文提出的算法可以有效地跟蹤小尺寸目標,跟蹤精度也有一定提高。
   (3)、研究了基于直方圖插值處理和新型權值計算的均值移動小尺寸目標跟蹤算法。論文介紹了小尺寸目標跟蹤算法的研究現(xiàn)狀。針對均值移動小尺寸目標跟蹤算法存在的難題,

5、本文給出了相應的解決方法。對傳統(tǒng)Parzen窗密度估計法加以改進,并用于對候選目標區(qū)域的直方圖進行插值處理,較好地解決了算法跟蹤中斷問題。論文采用Kullback-Leibler距離作為目標模型和候選目標之間的相似性度量函數(shù),并推導了其相應的新型權值和位置達代更新計算公式,提高了算法的跟蹤精度。多段視頻序列的跟蹤實驗結果表明,本文提出的算法可以有效地跟蹤小尺寸同標,能夠成功跟蹤只有6×12像素的小尺寸日標,而且跟蹤得更加準確。
 

6、  (4)、提出廣義均值移動跟蹤算法,將CAMSHIFT算法和Comaniciu/Meer算法納入到同一框架中。CAMSHIFT算法和Comaniciu/Meer算法是均值移動在視頻目標跟蹤中最為通用的兩個基本算法。本文對Bradski和Comaniciu/Meer等人的工作加以推廣,給出了廣義均值移動跟蹤算法。算法采用一個一般形式的相似性度量函數(shù),并在其基礎上推導了搜索窗口的新位置迭代公式。新算法基于搜索窗內各像素的權值的零階矩來計

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內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)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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