序列图像中的目标跟踪在视频监控,智能机器人,视频编码和医学图像处理等许多领域中有广泛的应用前景.基于概率和统计的方法由于能够建模传感器噪声和模型的误差、保持对目标的多种假设而得到了研究者的广泛重视.为了更为准确地预测目标运动,我们提出用时变的自回归过程在线建模预测密度.对于目标的观测,我们提出一种新颖的基于聚类分析的颜色模型并推导了颜色模型的相似性度量,该模型能用较少的颜色子空间分布准确地表达目标的颜色概率密度.为了使颜色模型能够适应目标的表观变化同时避免模型飘移问题,提出了选择性渐进更新颜色模型的方法.我们进一步研究一种彩色图像特征和基于线性分辨分析的弱函数,通过机器学习算法学习目标的结构观测密度,并通过Unscented粒子滤波器将结构和颜色信息融合起来用于目标跟踪.我们拟研究的新算法对目标运动的预测更为准确,能够快速实现,同时由于融合了目标的高层知识和颜色信息而更为稳定,鲁棒性更强.
{{i.achievement_title}}
数据更新时间:2023-05-31
粗颗粒土的静止土压力系数非线性分析与计算方法
环境类邻避设施对北京市住宅价格影响研究--以大型垃圾处理设施为例
内点最大化与冗余点控制的小型无人机遥感图像配准
中国参与全球价值链的环境效应分析
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
基于小波变换和卡尔曼滤波的动态轮廓线跟踪方法
基于多分辨率机制的主动轮廓线跟踪方法的研究
融合概率图模型与深度学习的图像序列分类
基于概率多假设跟踪的水下多目标被动跟踪方法研究