视频跟踪中, 使用单一特征对目标进行描述难以适应复杂场景的变化, 目标的尺度变化、形变、遮挡等因素易导致跟踪失败。为提高跟踪的稳健性, 基于核循环结构, 提出一种自适应特征融合和模型更新的跟踪方法,
动态规划跟踪技术(基于检测前跟踪技术的多目标跟踪算法研究)微弱目标的检测与跟踪,目标检测与跟踪一体化设计的重要参考文献
在基于图像序列的多目标跟踪问题中,传统目标链算法利用目标的运动特征和面积特征对其进行关联,取得了较好的效果,但在如新目标进入视场,旧目标离开视场,多个目标靠近、融合,单目标发生分裂等复杂跟踪情况中,以
基于角点特征的多目标跟踪-一篇论文,发表在图像图形学报上的,08年的比较新的一篇文章
针对单一特征目标跟踪算法鲁棒性较差的问题, 提出一种基于特征可分性和稳定性度量的多特征融合目标跟踪算法. 在粒子滤波框架下, 通过计算不同特征对目标和背景的可区分性和稳定性, 设置重要性权值并自适应选
基于MeanShift算法和NMI特征的目标跟踪算法研究
利用LUV色彩空间的特性,提出将RGB色彩空间的目标特征描述转换到LUV色彩空间,从而解决目标表面特征变化造成的目标丢失现象,提高目标跟踪算法的鲁棒性。结合卡尔曼滤波和均值漂移跟踪算法的优点,通过一种
基于特征的运动目标跟踪算法的研究,是利用SURF算法来提取特征的,
当图像中的背景发生波动时,修正的背景加权直方图(CBWH)算法在目标跟踪过程中存在波动跟随现象,从而产生波动误差。为了改善背景波动下算法的跟踪效果,减小波动误差,在CBWH算法的基础上提出了一种背景梯
针对Mean Shift算法不能跟踪快速目标、跟踪过程中窗宽的大小保持不变的特点。首先,卡尔曼滤波器初步预测目标在本帧的可能位置;其次, Mean Shift算法在这点的邻域内寻找