基于SURF特征的多示例學習的目標跟蹤算法.pdf_第1頁
已閱讀1頁，還剩66頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領

文檔簡介

1、視頻目標跟蹤是機器視覺與人工智能的一個重要研究方向，具有很強的實用價值以及十分重要的理論研究意義。因此很多學者和專家都在研究如何更好地解決照明變化、形狀變化、外觀變化和遮擋對目標跟蹤的影響。為提高跟蹤的魯棒性，跟蹤的方法和思想一直在跟進。本文提出一種基于SURF特征和MIL的目標跟蹤算法。
　　首先提取感興趣目標及其周圍圖像的SURF特征；然后將SURF描述子引入到MIL中作為正負包中的示例；其次將提取到的所有SURF特征采用聚類

2、算法實現(xiàn)聚類，建立視覺詞匯表；再次，通過計算視覺字在多示例包的重要程度，建立“詞-文檔”矩陣，并且求出包的潛在語義特征；最后，通過包的潛在語義特征訓練支持向量機，使得MIL問題可以依照有監(jiān)督學習問題進行解決，進而判斷是否為感興趣目標，最終實現(xiàn)視覺跟蹤的目的。通過實驗，明確了此算法對于目標的尺度縮放以及短時局部遮擋的情況都有一定的魯棒性。
　　綜上所述，本文將局部特征SURF和多示例學習相結(jié)合運用到目標跟蹤中，所提出的方法能夠有效地

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論