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64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(lǐng)

文檔簡介

1、目標跟蹤是計算機視覺領(lǐng)域研究方向中的一個重要方面,它以跟蹤目標物體在視頻的每一幀中所呈現(xiàn)出的外觀和運動狀態(tài)的變化為主要目的。本文對目標跟蹤領(lǐng)域的經(jīng)典理論和算法進行了總結(jié),重點分析了目標跟蹤任務(wù)中的挑戰(zhàn)、有代表性的跟蹤方法,以及目標跟蹤領(lǐng)域發(fā)展的歷程和近年來的發(fā)展趨勢。在此基礎(chǔ)上,本文提出了兩種基于局部外觀模型的目標跟蹤方法,即基于結(jié)構(gòu)化局部稀疏表示外觀模型的自適應(yīng)跟蹤方法和基于在線多核學(xué)習的子塊目標跟蹤。
  本文首先在生成模型的

2、框架下引入局部外觀模型,提出了簡單而有效的基于結(jié)構(gòu)化局部稀疏表示的外觀模型。通過對目標上的局部圖像塊進行稀疏編碼,然后將得到的編碼系數(shù)進行平均化和對齊匯聚操作,來充分利用目標的空間結(jié)構(gòu)和局部信息。這樣可以找到目標上那些表現(xiàn)穩(wěn)定、外觀變化小的局部模式,利用它們來實現(xiàn)跟蹤器對目標的魯棒跟蹤。此外,本文還提出了基于稀疏編碼和增量子空間學(xué)習方法的更新策略,使得跟蹤器可以自適應(yīng)地捕捉目標的外觀變化,并減小錯誤定位和遮擋帶來的誤更新。
  本

3、文還在判決模型的框架下引入局部外觀模型,提出了一種新的基于多核學(xué)習算法的子塊目標跟蹤方法。針對視頻跟蹤任務(wù)中幀與幀之間的時間連續(xù)性,本文對原始多核學(xué)習方法進行了改進,提出了在線多核學(xué)習方法并將其用于多個子快上來實現(xiàn)對目標的表示,這樣可以自適應(yīng)的融合多個子塊的判別能力,獲得具有更強前景背景區(qū)分能力的分類器。為了進一步增強方法的魯棒性,本文方法使用具有互補性質(zhì)的兩種特征來對子塊進行描述,使得對目標的表示更加豐富和充分。之后,針對每一種特征訓(xùn)

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。
  • 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