检索结果-南通市图书馆

信息与控制 2007年第6期36卷 715-719,726页

作者：胡磊卢珞先黄涛武汉理工大学信息学院湖北武汉430070

提出了一种新的马尔可夫模型——异步隐马尔可夫模型.该模型针对噪音环境下语音识别过程中出现丢失帧的情况,通过增加新的隐藏时间标示变量Ck,估计出实际观察值对应的状态序列,实现对不规则或者不完整采样数据的建模.详细介绍了适合异步... 详细信息

提出了一种新的马尔可夫模型——异步隐马尔可夫模型.该模型针对噪音环境下语音识别过程中出现丢失帧的情况,通过增加新的隐藏时间标示变量Ck,估计出实际观察值对应的状态序列,实现对不规则或者不完整采样数据的建模.详细介绍了适合异步HMM的前后向算法以及用于训练的EM算法,并且对转移矩阵的计算进行了优化.最后通过实验仿真,分别使用经典HMM和异步HMM对相同的随机抽取帧的语音数据进行识别,识别结果显示在抽取帧相同情况下异步HMM比经典HMM的识别错误率低.

关键词：隐马尔可夫模型异步隐马尔可夫模型语音识别 EM训练算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于异步隐马尔可夫的视频多目标数据关联

引用

控制工程 2016年第7期23卷 1076-1079页

作者：秦鹏陈莹江南大学轻工过程先进控制教育部重点实验室江苏无锡214122 上海交通大学系统控制与信息处理教育部重点实验室上海200240

针对视频中由于丢帧或遮挡造成的不完整目标轨迹,利用异步隐马尔可夫模型(AHMM)进行多目标数据关联。通过在HSV颜色空间采用背景差分法获取视频中多目标位置,并从中提取目标位置及方向角特征作为观测值以提高关联算法对于目标位移扰动... 详细信息

针对视频中由于丢帧或遮挡造成的不完整目标轨迹,利用异步隐马尔可夫模型(AHMM)进行多目标数据关联。通过在HSV颜色空间采用背景差分法获取视频中多目标位置,并从中提取目标位置及方向角特征作为观测值以提高关联算法对于目标位移扰动的鲁棒性。将多目标的数据关联问题转化为轨迹的识别分配问题,通过异步隐马尔可夫模型的新增时间标示和时变转移矩阵,提高了对不完整轨迹的建模和数据关联的准确性。实验结果表明,当视频跟踪过程中发生数据丢失时,相对于经典的联合数据关联算法和隐马尔可夫算法,所提出的多目标数据关联算法具有较低的关联错误率。

关键词：空、丢帧遮挡数据关联异步隐马尔可夫模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于音视频融合的目标跟踪

基于音视频融合的目标跟踪

引用

作者：秦鹏江南大学

学位级别：硕士

目标跟踪在军事目标跟踪与识别、智能监控、智能交通管理等领域有着广泛的应用。传统的跟踪方法只利用单一信息源对目标进行定位跟踪，如单独的音频或视频跟踪等。而单独的音频跟踪容易受到噪声、环境混响的影响，单独的视频跟踪易受遮... 详细信息

目标跟踪在军事目标跟踪与识别、智能监控、智能交通管理等领域有着广泛的应用。传统的跟踪方法只利用单一信息源对目标进行定位跟踪，如单独的音频或视频跟踪等。而单独的音频跟踪容易受到噪声、环境混响的影响，单独的视频跟踪易受遮挡、光照、背景等影响，鲁棒性均较差。因此，人们利用人类大脑将音视频的时空相关信息整合的原理，将音视频信息相融合来进行目标跟踪，从而提高跟踪的鲁棒性。目前，这种多源信息融合的目标跟踪已成为当今研究的热点。多目标的跟踪算法主要分为三个部分，目标定位、数据关联和音视频融合算法。本文首先总结介绍了目前音频定位和视频定位的常用方法，重点介绍了音频定位的联合波束-相位方法和基于HSV空间混合高斯建模的目标检测方法。本文随后对多目标数据关联算法进行了深入研究，针对室内环境下目标较近时联合概率数据关联算法关联效果不佳的情况，提出将数据关联问题转化为观测值的识别与分配，利用隐马尔可夫模型进行数据关联，提高了近距离轨迹的关联正确率。然而实际应用中，视频常出现遮挡、丢帧等造成的无数据情况，音频信号由于时间关联性较弱，在传输或训练过程中也常常出现语音数据丢失，此时隐马尔可夫模型处理效果不佳，因此，为了克服该缺点本文利用异步隐马尔可夫模型来进行多目标数据关联率。异步隐马尔可夫模型通过加入跳转弧修改隐马尔可夫模型的结构，利用新增的时间标示参数将观测值序列与状态序列进行异步相关联，能有效的处理不规则、不完全采样或丢失观测值的情况，大大降低了不完整轨迹的分配错误率。经典联合概率数据关联算法由于算法随目标数目和观测序列长度的增长而易出现计算量的组合爆炸，不利于实时应用。而本文所提出的基于隐马尔可夫模型和异步隐马尔可夫模型的数据关联算法计算量较小，时间消耗少，便于实时实现。之后，本文提出了基于异步隐马尔可夫模型框架的迭代译码算法，利用该算法将音视频融合进行目标跟踪，利用音视频信息的互补来提高跟踪的准确度。该算法在低信噪比环境下表现优良，而且不需要各种先验信息，如环境中的信噪比、目标数目或传感器数目等，并且能够提高数据不完整情况下的跟踪准确度。最后，将异步隐马尔可夫模型应用到目标轨迹识别上。由于对轨迹识别实验所需的完整轨迹的提取方法对识别结果并无影响，所以本章利用简单方法对视频目标轨迹进行提取。首先在HSV彩色空间进行高斯背景建模，然后利用背景差分提取前景目标，对各目标位置向量进行简单关联得到实验所用轨迹数据。保证了实验对比结果的可比性和有效性，异步隐马尔可夫模型和隐马尔可夫模型均采用同一组EM初始值进行训练。实验结果证明在数据不完整情况下异步隐马尔可夫模型相对于隐马尔可夫模型有更高的轨迹识别率，再次验证了该模型能有效处理由遮挡、丢帧或数据丢失等造成的数据不完整的情况。

关键词：音视频融合目标跟踪数据关联异步隐马尔可夫模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：