检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于TLD的增强现实跟踪注册方法

系统仿真学报 2014年第9期26卷 2062-2067,2072页

作者：李炎尹东中国科大信息科学技术学院合肥230027 中国科学院电磁空间信息重点实验室合肥230027

提出了一种新的增强现实跟踪注册方法。采用跟踪-学习-检测TLD算法,将目标跟踪任务分成跟踪器、学习器和检测器,通过跟踪器和检测器并行对视频流中的图像帧进行跟踪、检测操作,并使用p-n学习算法进行学习和更新,综合这三部分从而确定稳... 详细信息

提出了一种新的增强现实跟踪注册方法。采用跟踪-学习-检测TLD算法,将目标跟踪任务分成跟踪器、学习器和检测器,通过跟踪器和检测器并行对视频流中的图像帧进行跟踪、检测操作,并使用p-n学习算法进行学习和更新,综合这三部分从而确定稳定的目标位置;在所跟踪到目标位置的基础上,使用基于局部SURF算法对目标的特征点进行检测与匹配操作;根据所获得的特征点计算出三维注册参数,完成增强现实系统的跟踪注册。实验结果表明,所提出的方法有效地解决了传统跟踪算法目标跟踪不稳定、易丢失目标和目标检测算法耗时严重、准确度不高等问题,使增强现实系统更稳定、更具鲁棒性。

关键词：增强现实 TLD算法跟踪注册 p-n学习 SURF算法

在线全文

学校读者我要写书评

暂无评论

结合跟踪技术的视频目标分割方法研究

结合跟踪技术的视频目标分割方法研究

作者：黄元捷宁波大学

学位级别：硕士

视频目标分割是计算机视觉的重要组成部分,其目的是从视频序列中提取出感兴趣的目标,使信息处理更加高效,已广泛应用于智能交通、行为识别、视频监控、视频压缩等领域,逐渐成为研究热点与难点。鉴于非特定目标(unknown objects)跟踪技... 详细信息

视频目标分割是计算机视觉的重要组成部分,其目的是从视频序列中提取出感兴趣的目标,使信息处理更加高效,已广泛应用于智能交通、行为识别、视频监控、视频压缩等领域,逐渐成为研究热点与难点。鉴于非特定目标(unknown objects)跟踪技术的日趋成熟以及跟踪领域对目标消失重现问题研究的不断深入,本文通过将跟踪算法与分割算法相结合以处理视频目标分割中目标消失重现的问题。对于初始帧,使用Grabcut算法进行分割,其结果初始化分割模型,交互框作为跟踪算法的初始化输入;对于后续帧,先对目标进行跟踪,获得跟踪框后对目标进行分割,然后根据分割结果使用p-n学习算法对分割模型进行更新。在本算法中,跟踪算法的性能将很大程度影响最终的分割结果。本文的主要工作包括:1)对视频目标跟踪技术与分割技术进行了综述,并对p-n学习算法、基于BRIEF(Binary Robust Independent Elementary Features)特征的随机蕨丛(Random fern)分类器以及Tracking-LearningDetection(TLD)算法进行了研究。2)为得到一种高实时性的跟踪算法,对TLD算法中的检测器进行了重新设计,提出了一种新的长时间跟踪算法TLLD(Tracking-Learning-Local-Detection)。考虑到总是全屏检测会使算法的实时性不佳,提出了一种自适应生成检测范围的方法,通过约束检测范围以提高检测效率;为缓解学习样本减少造成的负面影响,引入随机蕨丛分类器并设计其p-n学习方法。在公开的TLD数据集上进行实验,结果证明该算法较原始算法准确度略有提升,速度得到显著改善。3)在基于颜色高斯混合模型的图割框架基础上,引入基于BRIEF特征的随机蕨丛分类器并引入pn学习方法,提出了一种高效率的分割算法,并将其与TLLD算法结合提出了一种结合跟踪技术的视频目标分割算法。实验证明算法能有效处理视频目标分割中目标消失重现的情况。

关键词：视频目标分割目标跟踪 p-n学习随机蕨丛

融合深度信息的在线半监督学习目标跟踪检测方法研究

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

融合深度信息的在线半监督学习目标跟踪检测方法研究

作者：刘哲宁波大学

学位级别：硕士

经过多年的研究和发展，在目标跟踪领域已经有很多较为成熟的算法。随着机器学习理论与实践的发展，采用带有自学习机制的跟踪算法得到了稳步的发展。这类基于在线学习的目标跟踪检测算法通常建立在一个可以在线更新的分类器来实现的，... 详细信息

经过多年的研究和发展，在目标跟踪领域已经有很多较为成熟的算法。随着机器学习理论与实践的发展，采用带有自学习机制的跟踪算法得到了稳步的发展。这类基于在线学习的目标跟踪检测算法通常建立在一个可以在线更新的分类器来实现的，一般将跟踪问题看成前景目标和背景的二分类问题。其通常称为基于检测的目标跟踪。但由于深度信息的丢失，基于颜色图像的跟踪算法不能从根本上解决跟踪过程中的遮挡问题。同时，由于传统的深度摄像头价格昂贵且设备复杂，其很难满足目标跟踪的实时要求。而2010年微软公司推出了的Kinect深度摄像机可以实时同时采集场景中的深度信息和颜色信息，这为跟踪领域的研究提供了新的机遇。由于在线学习目标跟踪算法中的目标模型容易过度更新，这就造成跟踪性能不断下降，最终导致跟踪失败。为了解决这个，本论文主要研究基于在线半监督学习框架的目标跟踪算法，比较主流的是TLD，Semi-Boost Tracker，MILTracker。基于对这些算法的深度研究，本论文提出了两种基于在线半监督学习目标跟踪算法： 1.基于MIL-BOOST在线半监督学习框架，提出了一种随机局部均值HASH分类器，实现了对目标稳定的跟踪，并且算法抗局部遮挡性效果明显。 2.鉴于随机蕨并行集合分类器的研究，将随机蕨算法融入在线半监督学习框架，并提出了HOG-LBp特征描述方法，快速稳定对目标实行跟踪，尤其是人的跟踪。除此以外，本文介绍了深度图像的获取方法，以及深度图像的一些预处理过程例如摄像头校准以及深度图过滤。同时，本文详细介绍了深度图像的性质以及两种特征描述方法(HOD以及Haar-like)，提出了一种结合彩色图像和深度图像的特征描述方法(Combo-HOD-LBp)，并结合这些特征提出了一种特殊的基于半监督在线学习框架的目标跟踪算法。该算法基于深度信息和颜色信息的联合处理，融入了TLD，Semi-Boost以及多实例在线学习的思想，通过三个模块的彼此协作，实现了优异的跟踪性能。同时，算法基于目标深度直方图信息，提出了一种主动遮挡检测程序，保证在目标发生遮挡时，利用深度信息维持目标稳定的跟踪，同时避免由于错误标定更新检测算法。

关键词：深度信息颜色信息跟踪检测在线学习半监督 Kinect 多实例学习 p-n学习颜色梯度方向直方图深度梯度方向直方图哈尔特征局部二值模式弱分类器强分类器机器学习随机蕨光流跟踪

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

基于改进DLT算法的单目标识别跟踪研究

太原学院学报（自然科学版） 2023年第4期41卷 52-58页

作者：黄君君福建农业职业技术学院信息工程学院福建福州350007

为了提高DLT算法在视频中运动目标物体的跟踪鲁棒性、稳定性、实时性,对DLT算法进行改进。通过中值光流法计算初始位置和预测位置像素点灰度值的欧氏距离;运用一种新的在线学习机制p-n学习,用标记样本训练分类器,修改错误的正负样本,然... 详细信息

为了提高DLT算法在视频中运动目标物体的跟踪鲁棒性、稳定性、实时性,对DLT算法进行改进。通过中值光流法计算初始位置和预测位置像素点灰度值的欧氏距离;运用一种新的在线学习机制p-n学习,用标记样本训练分类器,修改错误的正负样本,然后通过分类器对未被标注的数据进行标注,依次进行迭代训练;利用误差法和nCC法筛选出跟踪点,根据跟踪点的位置和距离的变化计算出目标框的大小和位置,实现目标跟踪。结果表明,改进后的DLT算法的目标跟踪的鲁棒性增强,能够根据目标框的实际情况获取有效的特征点,减少视频流中的目标过大或过小导致跟丢的情况。

关键词：直接线性变化算法 p-n学习 FB误差交叉相关性

在线全文

学校读者我要写书评

暂无评论

一种检测范围自适应的目标跟踪算法

宁波大学学报（理工版） 2015年第4期28卷 36-41页

作者：黄元捷赵杰煜程婷婷陈普强宁波大学信息科学与工程学院浙江宁波315211

为处理目标的消失重现、形变及环境变化等问题,要求跟踪算法有一定的检测与学习能力.针对全局检测方法因冗余检测而造成检测效率低下的问题,在基于p-n学习的跟踪框架的基础上,提出一种自适应生成检测范围的目标跟踪算法.通过引入卡尔曼... 详细信息

为处理目标的消失重现、形变及环境变化等问题,要求跟踪算法有一定的检测与学习能力.针对全局检测方法因冗余检测而造成检测效率低下的问题,在基于p-n学习的跟踪框架的基础上,提出一种自适应生成检测范围的目标跟踪算法.通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估,在检测前根据预估信息自适应生成检测范围,提高检测效率.在公开的Co GD数据集上进行实验,结果证明该算法较原始算法在准确度基本不变的基础上,速度得到显著改善.

关键词：目标跟踪目标运动预估卡尔曼滤波器 p-n学习

在线全文

学校读者我要写书评

暂无评论

基于在线增量学习的实时人脸跟踪算法

计算机应用与软件 2016年第5期33卷 270-273,297页

作者：包芳张炎凯王士同江阴职业技术学院江苏江阴214400 江苏省信息融合软件工程技术研究开发中心江苏江阴214400 江南大学江苏无锡214000

提出基于在线增量式极端随机森林分类器的实时人脸跟踪算法。算法用在线极端随机森林分类器实现基于检测的跟踪,并结合动态目标框架和p-n学习矫正检测的错误。实验结果表明,该算法能够在不确定背景下对任意人脸实现较长时间段内的稳定... 详细信息

提出基于在线增量式极端随机森林分类器的实时人脸跟踪算法。算法用在线极端随机森林分类器实现基于检测的跟踪,并结合动态目标框架和p-n学习矫正检测的错误。实验结果表明,该算法能够在不确定背景下对任意人脸实现较长时间段内的稳定快速的实时跟踪,并能有效排除背景等的干扰,效果较好。

关键词：在线增量学习极端随机森林 p-n学习动态目标框架实时人脸跟踪

在线全文

学校读者我要写书评

暂无评论

基于TLD改进框架的视频目标跟踪算法

软件工程 2019年第5期22卷 1-4页

作者：史殊凡孙光民北京工业大学信息学部北京100124

研究了传统跟踪—学习—检测(Tracking-Learning-Detecting)目标跟踪算法的结构和特点,提出改进思路;虽然TLD算法采用p-n学习机制,在应对长时间跟踪方面有很好的鲁棒性,但是当目标发生严重遮挡、形变,或者场景发生较大的光照、旋转变化... 详细信息

研究了传统跟踪—学习—检测(Tracking-Learning-Detecting)目标跟踪算法的结构和特点,提出改进思路;虽然TLD算法采用p-n学习机制,在应对长时间跟踪方面有很好的鲁棒性,但是当目标发生严重遮挡、形变,或者场景发生较大的光照、旋转变化时,也会导致跟踪的失败。基于对以上问题的研究,提出TLD改进跟踪算法。改进算法在跟踪模块运用SIFT特征匹配算法来代替原算法中LK光流法,减少了计算的复杂度,提高了算法的环境适应能力。

关键词：目标跟踪 TLD算法 LK光流法 p-n学习 SIFT