基于自适应背景模型的运动目标检测,陈雷,邹琪,运动目标检测作为许多计算机视觉应用中最关键的首要处理环节,在诸如视频监控、目标跟踪、视频搜索等领域中都有着广泛的应用。正
针对传统跟踪方法难以实时准确适应目标尺度变化这一问题, 基于核相关滤波跟踪框并采用尺度估计方法, 提出一种自适应尺度的目标跟踪算法。对正则化最小二乘分类器进行求解, 获得滤波模板, 并对候选样本进行检
在当前统计模型的基础上,提出了一种基于当前统计模型(CS)的模糊自适应算法(CSFA o
文中提出了一种基于kalman预测和自适应模板的目标相关跟踪算法。通过kalman预测下一帧图像中目标的状态,缩小整个图像上目标检测的搜索范围,满足目标跟踪的实时性。采取自适应模板更新策略,根据目标的
针对相关滤波方法对快速运动与快速变形的目标跟踪稳定性较差的问题,提出一种自适应特征选择的相关滤波跟踪算法。利用位置滤波器和颜色概率模型提取候选区域中的基础特征,对基础特征以不同的权重分配方式进行融合,
为了提高相似物体干扰、光照变化等复杂环境下目标跟踪的稳定性,提出利用Fisher准则的在线选择鉴别性特征,将在线特征选择嵌入到跟踪算法中。但是,在目标被严重遮挡时仍在线选择鉴别性特征,会使目标模板偏移
边缘检测技术的关键在于检测前的图像去噪问题。Madenda方法考虑了尖锐、模糊、噪声的影响,但在全图像范围内采用的是统一的噪声抑制参数和模糊控制参数,从而缺乏对不同区域内噪声抑制的针对性。为此,提出基
模型的分层是3D打印前处理的一个重要环节,针对目前分层算法效率低、不能有效保留模型细微特征的问题,提出了一种新的基于STL模型特征信息的思想。首先提取模型的特征边,对特征边内实体表面采用区域增长算法进
传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感,这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性,但如何有
针对引导滤波产生的光晕、梯度反转现象,以及图像融合边缘细节丢失的现象,提出一种改进引导滤波的自适应多曝光图像融合算法。在引导滤波中根据梯度信息设定权重函数,并结合图像像素点和一定区域的均值创建函数,共