2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩70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(lǐng)

文檔簡介

1、隨著物聯(lián)網(wǎng)技術(shù)及計算機視覺的發(fā)展,基于視頻的說話人定位與跟蹤技術(shù)也越來越受到人們的重視,目前已成為一個重要的研究課題,而智能環(huán)境下基于視頻的多特征融合跟蹤是該技術(shù)的一個典型應(yīng)用。
  本文主要圍繞目標跟蹤中的多特征融合問題進行了研究與探討,主要工作如下:
  (1)針對證據(jù)理論組合方法不能有效組合高沖突證據(jù)的問題,從修正證據(jù)源的角度提出了兩種改進方法。一種是基于批量式的證據(jù)源修正方法,首先同時引入余弦相似度函數(shù)和距離函數(shù);然

2、后根據(jù)方向相似度和距離相似度獲得各證據(jù)間的聯(lián)合相似度,并以此獲得各證據(jù)的加權(quán)系數(shù);最后對系統(tǒng)中的證據(jù)加權(quán)平均后利用Dempster組合規(guī)則進行組合。仿真結(jié)果表明:與其它的方法相比較,該方法不僅考慮了系統(tǒng)中證據(jù)在距離上的相似性,而且考慮了證據(jù)在方向上的相似性,融合后的結(jié)果更為理想。另一種方法是基于沖突檢測的部分證據(jù)源修正方法,首先引入證據(jù)距離函數(shù)獲得各證據(jù)體的相互支持度,并將支持度歸一化為證據(jù)的信任度,對所有的證據(jù)進行信任度加權(quán)平均,獲得

3、一個“參考證據(jù)”;然后利用該參考證據(jù)對各個原始證據(jù)進行偏離度的判定及修正。最后利用Dempster-Shafer規(guī)則完成證據(jù)的組合。實驗結(jié)果表明:新方法提高了融合結(jié)果的可靠性和合理性,可以有效地處理高沖突證據(jù)。
  (2)針對證據(jù)理論組合規(guī)則不能有效對沖突信息進行分配的問題,提出了一種基于局部沖突分配的證據(jù)組合規(guī)則。首先采用證據(jù)距離函數(shù)獲得各證據(jù)體的信任度和加權(quán)平均證據(jù);然后由定義的焦元距求其每一個焦元的絕對距離,并以此獲得焦元信

4、任度,將焦元的信任度作為局部沖突分配因子;最后實驗結(jié)果表明,所提算法提高了證據(jù)合成結(jié)果的可靠性和合理性。
  (3)針對證據(jù)理論中傳統(tǒng)沖突系數(shù)不能有效表示證據(jù)間關(guān)系的問題,提出了一種基于新的衡量標準的的證據(jù)自適應(yīng)組合方法。通過引入pignistic變換,聯(lián)合經(jīng)典沖突系數(shù)定義了一種新的證據(jù)沖突表示方法;實驗結(jié)果表明:新的沖突系數(shù)可以有效表示證據(jù)間的相互關(guān)系。
  (4)針對目前常用的融合方法乘性融合和加權(quán)和融合不能有效融合視頻

5、多個特征的問題,提出了三種解決方法。第一種方法將改進的證據(jù)理論組合方法應(yīng)用在視頻多特征融合跟蹤中,以完成目標的準確跟蹤。其同時采用K-L距離和證據(jù)的不確定性獲取證據(jù)權(quán)重以修正待組合的證據(jù);最后將改進的證據(jù)理論組合方法在實際跟蹤場景下進行了應(yīng)用;實驗結(jié)果表明:改進的組合方法具有很好的性能。第二種方法是基于特征距離的多特征自適應(yīng)融合方法,該方法通過特征距離將乘性融合方法和加權(quán)和融合方法統(tǒng)一在一個融合框架內(nèi),根據(jù)特征距離自適應(yīng)調(diào)節(jié)乘性融合和加

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(yù)覽,若沒有圖紙預(yù)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