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58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、基于計算機視覺的目標檢測與跟蹤是計算機視覺領(lǐng)域的主要方向。它是對視頻圖像中動態(tài)區(qū)域分析,檢測、獲得運動目標,對其進行定位、獲得動態(tài)目標的特征參數(shù),以此獲得目標的運動軌跡,達到跟蹤的目的。目前,目標遮擋、目標尺寸變化及背景顏色相似性干擾等問題仍影響著目標檢測和跟蹤算法的效果。本文針對以上問題,對傳統(tǒng)的目標檢測及跟蹤方法進行研究分析并提出改進,通過仿真實驗證明改進算法的效果優(yōu)于傳統(tǒng)算法。本文內(nèi)容如下:
  (1)在目標檢測方面,首先分

2、析了靜態(tài)場景下常見的三種檢測方法,通過對比分析它們的優(yōu)缺點,改進傳統(tǒng)算法并將改進的算法相融合。傳統(tǒng)混合高斯背景模型的學(xué)習率是個穩(wěn)定值,因此提出更新學(xué)習率,提高算法對實際場景的應(yīng)變能力?;旌细咚贡尘澳P吞崛∧繕送暾?,但是對環(huán)境噪聲敏感;對稱幀差法計算量小,但它檢測的目標不完整?;谶@兩種檢測算法的特性,本文提出將它們相融合,這種方法不僅能消除對稱幀差法中的‘空洞’現(xiàn)象還可以改善混合高斯模型對環(huán)境敏感的情況。邊緣檢測方法的邊緣含有豐富的內(nèi)部

3、信息,還能很好地利用了運動區(qū)域的空域信息。而改進的算法只利用了目標的時域信息,因此又把改進的算法與邊緣檢測算法相融合,能很好地運用目標的時空域信息。仿真結(jié)果表明,改進算法在室內(nèi)外場景下的檢測效果都比傳統(tǒng)目標檢測算法好。
  (2)在目標跟蹤方面,Meanshift算法不能自適應(yīng)調(diào)整窗口大小,因此重點分析了Camshift跟蹤算法。Camshift算法可自適應(yīng)調(diào)整跟蹤窗口大小,且在固定場景下不易受目標尺寸變化、形變等影響。但它沒有考

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