【摘 要】
：
传统模型匹配跟踪方法只考虑了目标自身特征,没有充分考虑目标与所处图像的关系,尤其在复杂背景下,易发生跟踪漂移,甚至丢失目标。针对上述问题,提出一种约束性局部模型匹配(
论文部分内容阅读
传统模型匹配跟踪方法只考虑了目标自身特征,没有充分考虑目标与所处图像的关系,尤其在复杂背景下,易发生跟踪漂移,甚至丢失目标。针对上述问题,提出一种约束性局部模型匹配(CLMM)跟踪算法。首先选取图像帧序列前m帧进行跟踪训练,将每帧图像分割成若干超像素块。然后,将所有的超像素块组建向量簇,利用判别外观模型建立包含超像素块的目标模型。最后,将建立的目标模型作为匹配模板,采用期望最大化(Expectation maximization,EM)估计图像的前景信息,通过前景判别进行约束性局部模型匹配,确定跟踪目标。CLMM算法在前景判别和模型匹配等研面能够准确有效地适应视频场景中目标状态的不断变化,很好地解决由外界复杂因素影响下算法的跟踪漂移问题。与标准库中的目标跟踪算法相比,可以达到相当甚至更高的跟踪精度。实验结果表明,CLMM算法能够自适应地实时更新噪声模型参数并较准确估计图像的前景信息,排除背景信息干扰,在部分遮挡、目标形变、光照变化、复杂背景等条件下具有跟踪准确、适应性强的特点。
其他文献
随着4G移动通信技术的成熟稳步发展,智能手机应用已越来越广泛,远程成人教育信息管理系统涉及控制技术、通信技术、计算机技术。采用移动设备通信和数据处理功能,随时随地使
青年亚文化用以指涉青年人特有的,有别于主流文化的边缘性和从属性文化实践形式。改革开放后,随着中西方文化交流的深入,诸如嘻哈、摇滚、朋克等典型的青年亚文化现象在我国
视觉目标跟踪作为计算机视觉领域的重要研究方向,在视频监控、人机交互,智能交通、军事目标定位等方面有着广泛的应用。经过60余年的发展,视觉目标跟踪技术取得了很大进展,但
随着互联网时代的到来,以及智能设备的迅速普及,使得基于视频、音频的多媒体服务迅速的增长,特别是提供视频直播的多媒体服务,得到了广泛的关注和应用,用户已经不满足于仅通
近年来,移动互联网进入一个新的发展高峰。伴随而来的数据量剧增给数据的计算和存储带来新的挑战。在此背景下,云存储逐渐成为了一种被普遍使用的数据存储方式。而云存储环境
近几年,随着互联网的迅速发展和移动智能终端设备的广泛普及,社交网络已渗透到用户的生活和工作中,由于社交网络中用户的广泛参与性和信息的快速传播,对国家和社会影响的日益
现如今,人类的生存和生活方式由于无线通信技术的发展发生了极大的改变。一方面,在实际应用的大规模无线网络系统中,用户(或者说接入点)的空间位置通常是随机分布的,而由于无
随着科学技术的不断发展,市场竞争的不断激烈,企业发展面临的机遇与风险也大幅度的增加,因此企业必须在认真审视自身所处的外部环境以及自身发展阶段的基础上,不断调整与改进自身的总体发展战略,以实现企业的最终发展目标。财务战略作为企业总体发展战略的核心组成部分,是企业提升市场竞争力与可持续发展能力的重要保障。因此,制定与实施合理有效的财务战略,能够帮助企业实现经营发展与价值创造,是企业实现最终发展目标不可
图像边缘是数字图像中最重要的基本特征之一。图像的边缘检测技术在图像处理中、计算机视觉处理中都起着很十分重要的作用。因此,找出合适的方法提取图像边缘具有十分重要的
属性网络近年来非常普遍,例如社交网络和知识图谱,它们与大量的文档信息(例如,推文和维基页面)和位置信息(例如check-in数据)相关联。然而,这种大型网络所蕴含的丰富属性信息