本项目主要研究一种基于机器学习和粒子滤波器的轮廓线跟踪的统一理论框架。该理论框架将图像的低层特征和关于目标的高层知识有机地结合起来,将跟踪问题表达为"自底向上"和"自顶向下"相结合的系统的后验概率密度估计问题。通过一种有监督的机器学习算法-自适应增强算法学习关于目标结构的高层知识,准确构造描述目标统计特性的观测概率密度函数。研究具有启发性质的Metropolis算法进行随机粒子的采样,使粒子更具有
{{i.achievement_title}}
数据更新时间:2023-05-31
基于铁路客流分配的旅客列车开行方案调整方法
基于被动变阻尼装置高层结构风振控制效果对比分析
基于MCPF算法的列车组合定位应用研究
新型树启发式搜索算法的机器人路径规划
"多对多"模式下GEO卫星在轨加注任务规划
卡尔曼粒子滤波目标活动轮廓跟踪算法研究
移动拍摄下基于MCMC粒子滤波器的人体运动跟踪算法研究
基于迭代学习控制的机器人精密焊缝跟踪研究
融合颜色和形状的基于水平集的目标轮廓跟踪