Add to ORKG针对在现有的基于在线半监督boosting的目标跟踪算法中,当目标发生遮挡或快速移动导致分类器更新过程中有错误引入时,其自训练机制会造成分类器错误累积进而产生跟踪漂移甚至导致跟踪失败的问题,提出了一种基于结合正负样本约束的在线半监督boosting的目标跟踪算法(简称PN-SemiT)。该算法在原有的在线半监督boosting跟踪算法的基础上,通过增加正负样本约束条件来实时纠正分类器的错误,并且将目标的先验模型和在线分类器相结合,通过不断迭代更新分类器来预测未标记样本的类别标记和权重。实验结果表明,与传统的在线半监督boosting目标跟踪算法和其它跟踪算法相比,PN-SemiT具有更优异的跟..
视觉目标跟踪是计算机视觉的一个重要问题。复杂背景下的目标跟踪是一项具有挑战性课题。本文主要针对复杂背景下运动目标的跟踪方法进行研究，从稀疏表示、局部特征、采样方法以及协同训练四个角度入手，着重解决目标...
Розглянута багатоальтернативна модель руху об’єкта та структура радіотехнічної слідкуючої системи, с...
The advantage of an online semi-supervised boosting method which takes object tracking problem as a ...
针对跟踪过程中运动目标的鲁棒性问题，提出了一种基于深度特征的跟踪算法。首先，利用仿射变换对每一帧图像进行归一化处理。然后，利用深度去噪自编码器提取归一化图像的特征。由于提取的特征维数巨大，为了提高计算...
针对目标跟踪中因背景混叠和遮挡等因素导致的目标丢失问题,提出了一种基于背景约束与卷积特征的目标跟踪方法(TBCCF)。首先,对输入图像进行多特征融合并降维,增强目标特征判别性能的同时降低特征计算的复杂...
为了解决单目标跟踪中的光照变化、部分遮挡问题,提出了一种结构化的加权联合特征表观模型.该模型将被跟踪的目标图像划分成若干图像块,在每个图像块内计算其颜色特征和纹理特征,将这些特征加权形成特征向量作为目...
针对视频序列图像目标跟踪中的光照变化问题,提出一种在粒子滤波器框架内,基于目标的局部二元模式(LBP)纹理特征,使用稀疏表达进行目标跟踪的方法.当前帧的跟踪粒子由前一帧的跟踪结果按高斯分布来生成.通过...
通过使用SVM(支持矢量机)分类器对像素分类进行目标检测, 将输入图像转换成可靠的目标概率分布图,然后结合使用性能优良的信任域优化算法,在概率分布图上实现目标定位并确定其尺寸.分类器对像素分类的低错分...
目标跟踪是计算机视觉领域中一项重要的研究任务，同时也是图像处理等领域的研究热点，它涉及到人工智能、图像处理和统计学等多方面的知识。目标跟踪在智能交通、人机交互、视频监控、智能医疗诊断等领域得到了广泛的...
[[abstract]]物件追蹤在電腦視覺領域是一個重要的研究，目的是在連續的影像中，不間斷地追蹤使用者有興趣的、特定的物件。本論文嘗試以影像基礎特徵進行物件追蹤的物件追蹤演算法，主要是利用針對每一個...
近年来目标跟踪技术的研究已经有了很大的进展,但目标的遮挡和形变仍然是目标跟踪算法面临的重大挑战。针对这些问题提出了一种基于可变形模型的目标跟踪算法。首先,利用可变形模型对跟踪目标进行表达,该模型将目标...
Классификация объектов в видеопотоке и их отслеживание завоёвывает всё большую популярность в наст...
针对运动目标跟踪过程中存在的目标被遮挡和环境易变性问题,提出了一种基于仿射变换状态转移与粒子滤波的新模板匹配目标跟踪算法。该算法以归一化互相关系数作为隶属度选出最佳仿射变换参数,依据特定的状态转移方法...
针对在线Boosting算法难以在多类图像识别中使用的问题,提出了一种基于错误纠正输出编码(ECOC)的多类在线Boosting算法.该算法在计算弱分类器的错误率时借鉴ECOC的思想,引入了一个类别标...
本文以深度神经网络为基础，旨在提出一种即拥有深度学习强大的表达能力，又能满足目标跟踪问题的实时性和鲁棒性需求的跟踪算法。全文贡献如下： 本文总结了目标跟踪算法的研究现状以及其研究意义，尤其在基于深度神...
视觉目标跟踪是计算机视觉的一个重要问题。复杂背景下的目标跟踪是一项具有挑战性课题。本文主要针对复杂背景下运动目标的跟踪方法进行研究，从稀疏表示、局部特征、采样方法以及协同训练四个角度入手，着重解决目标...
Розглянута багатоальтернативна модель руху об’єкта та структура радіотехнічної слідкуючої системи, с...
The advantage of an online semi-supervised boosting method which takes object tracking problem as a ...
针对跟踪过程中运动目标的鲁棒性问题，提出了一种基于深度特征的跟踪算法。首先，利用仿射变换对每一帧图像进行归一化处理。然后，利用深度去噪自编码器提取归一化图像的特征。由于提取的特征维数巨大，为了提高计算...
针对目标跟踪中因背景混叠和遮挡等因素导致的目标丢失问题,提出了一种基于背景约束与卷积特征的目标跟踪方法(TBCCF)。首先,对输入图像进行多特征融合并降维,增强目标特征判别性能的同时降低特征计算的复杂...
为了解决单目标跟踪中的光照变化、部分遮挡问题,提出了一种结构化的加权联合特征表观模型.该模型将被跟踪的目标图像划分成若干图像块,在每个图像块内计算其颜色特征和纹理特征,将这些特征加权形成特征向量作为目...
针对视频序列图像目标跟踪中的光照变化问题,提出一种在粒子滤波器框架内,基于目标的局部二元模式(LBP)纹理特征,使用稀疏表达进行目标跟踪的方法.当前帧的跟踪粒子由前一帧的跟踪结果按高斯分布来生成.通过...
通过使用SVM(支持矢量机)分类器对像素分类进行目标检测, 将输入图像转换成可靠的目标概率分布图,然后结合使用性能优良的信任域优化算法,在概率分布图上实现目标定位并确定其尺寸.分类器对像素分类的低错分...
目标跟踪是计算机视觉领域中一项重要的研究任务，同时也是图像处理等领域的研究热点，它涉及到人工智能、图像处理和统计学等多方面的知识。目标跟踪在智能交通、人机交互、视频监控、智能医疗诊断等领域得到了广泛的...
[[abstract]]物件追蹤在電腦視覺領域是一個重要的研究，目的是在連續的影像中，不間斷地追蹤使用者有興趣的、特定的物件。本論文嘗試以影像基礎特徵進行物件追蹤的物件追蹤演算法，主要是利用針對每一個...
近年来目标跟踪技术的研究已经有了很大的进展,但目标的遮挡和形变仍然是目标跟踪算法面临的重大挑战。针对这些问题提出了一种基于可变形模型的目标跟踪算法。首先,利用可变形模型对跟踪目标进行表达,该模型将目标...
Классификация объектов в видеопотоке и их отслеживание завоёвывает всё большую популярность в наст...
针对运动目标跟踪过程中存在的目标被遮挡和环境易变性问题,提出了一种基于仿射变换状态转移与粒子滤波的新模板匹配目标跟踪算法。该算法以归一化互相关系数作为隶属度选出最佳仿射变换参数,依据特定的状态转移方法...
针对在线Boosting算法难以在多类图像识别中使用的问题,提出了一种基于错误纠正输出编码(ECOC)的多类在线Boosting算法.该算法在计算弱分类器的错误率时借鉴ECOC的思想,引入了一个类别标...
本文以深度神经网络为基础，旨在提出一种即拥有深度学习强大的表达能力，又能满足目标跟踪问题的实时性和鲁棒性需求的跟踪算法。全文贡献如下： 本文总结了目标跟踪算法的研究现状以及其研究意义，尤其在基于深度神...
视觉目标跟踪是计算机视觉的一个重要问题。复杂背景下的目标跟踪是一项具有挑战性课题。本文主要针对复杂背景下运动目标的跟踪方法进行研究，从稀疏表示、局部特征、采样方法以及协同训练四个角度入手，着重解决目标...
Розглянута багатоальтернативна модель руху об’єкта та структура радіотехнічної слідкуючої системи, с...
The advantage of an online semi-supervised boosting method which takes object tracking problem as a ...