基于线性表示模型的在线视觉跟踪算法研究下载

weixin_39821260 2019-09-11 04:30:24

一篇关于图像处理，计算机视觉，视觉跟踪的博士论文
相关下载链接：//download.csdn.net/download/baidu_24111853/8219611?utm_source=bbsseo

...全文

8 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

相关推荐

一篇关于图像处理，计算机视觉，视觉跟踪的博士论文

从样品选择到模型更新：强大的在线视觉跟踪算法，可防止漂移

随着信息技术与智能科学的迅速发展,计算机视觉已经成为IT产业和高新技术领域的前沿。视觉跟踪是当前计算机视觉领域的热点问题之一。阐述了视觉跟踪算法的研究现状,包括视觉跟踪算法的种类,常用数学方法,研究了基于区域的跟踪算法、基于模型的跟踪算法、基于特征的跟踪算法、基于主动轮廓的跟踪算法、参数估计方法和无参密度估计方法,并探讨了视觉跟踪算法的未来研究方向。

11.71 在线多示例度量学习的结构化稀疏表观模型正如上一节所述，稀疏表示作为一种有效的物体中层表示策略，在视觉目标跟踪中得到了成功应用。然而，基于稀疏的跟踪算法中[3-9]最终跟踪结果的确定大多以重构误差大小为衡量标准。研究发现，以重构误差构造目标的观测似然概率存在一些问题。（1）重构误差的大小很大程度上依赖于字典的构成。很多跟踪算法[12-13...

在视觉跟踪中，如何适时地更新目标模型是影响跟踪算法跟踪精度和鲁棒性的关键性因素，也是当前研究中面临的重点和难点问题。对此，提出了一种基于多表观模型竞争的模型更新策略。通过多表观模型中各子模型的贡献度大小确定竞争优势排序，当最优子模型的贡献度满足多表观模型更新阈值时，对各子模型及其对应的系数进行更新；否则，仅对部分子模型进行更新。在此基础上，以粒子滤波算法为跟踪框架，提出了基于多表观模型竞争的视觉跟踪算法。实验结果表明，所提算法能够较好地处理视觉跟踪中的模型更新问题，跟踪性能较无模型更新策略的粒子滤波算法有明显提高。

下载资源悬赏专区

12,100

社区成员

11,336,068

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告