

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、本文對基于時空上下文的目標跟蹤算法進行了研究。時空間上下文跟蹤算法通過分析目標周圍空間上下文對跟蹤目標進行定位。本文所研究的算法是一種快速的基于稠密時空間上下文(Spatio-temporal Context,STC)跟蹤算法,STC采用貝葉斯框架,將跟蹤目標及其周圍區(qū)域的特征轉換為統(tǒng)計學的相關關系,使跟蹤問題變成計算置信圖中的最大置信值點。在時空間上下文建模過程中,通過FFT來進行快速學習與檢測,極大的減少了算法的復雜度,具有很高的實
2、時性及較好的魯棒性。但是仍然存在一些問題:
?、賁TC和大多數(shù)采用貝葉斯框架的跟蹤算法一樣,會對每幀跟蹤結果進行平均,一定程度上增加干擾因素對跟蹤模型的影響,同時STC對當前幀跟蹤結果不加判斷的學習,如遮擋時會學習遮擋物的特征,學習過多的錯誤特征會使跟蹤模型不夠精準,影響后續(xù)跟蹤。
?、赟TC對空間上下文信息采取同等對待的方式,空間上下文的權重分配僅取決于離目標中心的距離,這種處理方式無法很好的利用對跟蹤有效的信息,而且
3、會增加錯誤信息對跟蹤結果的干擾。
本文針對STC存在的上述問題進行研究,提出了幾點改進方法,研究內容及成果如下:
?、賹TC算法單模板結構進行改進,STC采用線性結構導致跟蹤模板容易累計誤差,提出使用多模板來進行跟蹤。通過比較多個模板對跟蹤幀的適應程度,選擇合適的模板來進行跟蹤學習。同時對幀跟蹤效果進行判斷,去掉干擾信息過多的幀,使模板不會學習到錯誤的跟蹤結果,提升跟蹤效果。
②對STC空間上下文權重分配進
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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。
最新文檔
- 基于稠密時空上下文的目標跟蹤算法研究.pdf
- 融合顏色特征的時空上下文目標跟蹤算法研究.pdf
- 面向視頻監(jiān)控的時空上下文算法的研究.pdf
- 基于稀疏表示和時空上下文的目標跟蹤方法研究.pdf
- 基于時空上下文的視頻人物關系挖掘.pdf
- 基于時空上下文的視頻人物關系挖掘(1)
- 基于形態(tài)學與時空上下文的小目標檢測與跟蹤算法設計與實現(xiàn).pdf
- 基于上下文信息的目標跟蹤算法研究.pdf
- 基于時空上下文感知的移動推薦模型研究.pdf
- 基于上下文信息的運動目標跟蹤算法的研究.pdf
- 基于上下文和深度信息的目標跟蹤算法研究.pdf
- 上下文信息和顏色信息融合的目標跟蹤算法研究.pdf
- 基于上下文的目標檢測研究.pdf
- 基于上下文感知的推薦算法研究.pdf
- 基于深度上下文模型學習的快速視覺跟蹤算法研究.pdf
- 基于上下文的圖像理解算法研究.pdf
- 基于上下文的去隔行算法研究.pdf
- 上下文感知推薦算法研究.pdf
- 基于上下文的音視頻標注研究.pdf
- 基于上下文的協(xié)同過濾算法研究.pdf
評論
0/150
提交評論