搜索结果: 1-3 共查到“信息科学与系统科学 视觉跟踪”相关记录3条 . 查询时间(0.099 秒)
基于主分量寻踪的鲁棒视觉跟踪
视觉跟踪 模型更新 主分量寻踪 稀疏分量
2017/1/9
传统子空间跟踪易受到模型漂移的影响而导致跟踪失败.针对此问题,本文提出一种基于主分量寻踪的鲁棒视觉跟踪方法.该方法以多个模板张成的子空间作为目标表观模型,利用主分量寻踪求解候选目标的误差分量,在粒子滤波框架下利用候选目标的误差分量估计最优状态参数.为了适应目标表观变化并克服模型漂移,本文提出一种模板更新方法.当跟踪结果与目标模板相似时,该方法利用跟踪结果更新目标模板,否则利用跟踪结果的低秩分量更新...
基于稀疏度约束与动态组结构稀疏编码的鲁棒视觉跟踪
L1跟踪 稀疏编码 约束稀疏度 空间连续性结构
2017/1/6
目标编码系数的稀疏性使得L1跟踪成为解决遮挡目标跟踪的有效方法之一,但是现有稀疏编码算法没有利用L1跟踪中编码系数的特殊稀疏结构.本文基于目标模板系数稀疏度约束要求和小模板系数的空间连续性结构,利用块坐标优化原理提出一种两阶段稀疏编码算法用于视觉跟踪.在第一阶段,该算法利用正交匹配追踪求解具有约束稀疏度的目标模板系数,在第二阶段,该算法利用动态组稀疏编码求解具有空间连续性的小模板系数.在粒子滤波框...
基于颜色直方图的粒子滤波跟踪通常采用Bhattacharyya 系数(B 氏系数) 衡量目标与候选区域特征模型之间的相似性. 分析说明目标内部区域的B氏系数存在大量的峰值, 使得粒子滤波跟踪仅能适应目标收缩, 无法适应目标的膨胀. 为此, 提出了一种改进的B 氏系数, 从理论上分析说明了该系数具有单峰特性, 基于该系数的粒子滤波跟踪能同时适应目标收缩和膨胀. 分析和实验结果均表明, 基于本文提出的...