

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、目標跟蹤研究是當今人工智能和自動化控制領域的前沿方向之一。動物目標跟蹤為實現計算機對視頻中的動物檢測、自動跟蹤,進而分析動物行為、探究動物運動規(guī)律提供技術支持。同時,在野生動物保護、開放式畜牧場中具有重要應用價值。由于現有目標跟蹤技術難以應對動物過去場所復雜干擾因素,目標跟蹤過程容易出現漂移、丟失等現象,導致跟蹤失敗。在實際應用中,動物作為一種特殊的運動對象,其運動方式具有多樣性特點,所處環(huán)境復雜,缺乏專門針對動物目標的跟蹤技術。因此,
2、對動物目標跟蹤的研究具有重要意義。本文主要運用稀疏表示理論改進目標跟蹤技術,以提高動物目標跟蹤效率和結果的可靠性。主要工作概括如下:
(1)針對目前目標跟蹤技術存在的問題,難以準確跟蹤到動物目標,改進目標表示模型。在粒子濾波框架下,通過稀疏協同模型進行目標跟蹤。首先,判別模型將模板集分為正負模板進行訓練,從而使分類器獲取最佳分類特征;其次,以目標直方圖加權的方式,和無監(jiān)督特征學習和逐層貪婪算法的訓練,以提高生成模型相似度的計算
3、;然后,集成兩種模型實現協同模型定位目標,并由重構誤差最小確定目標;最后,采取各模塊獨立更新策略,保證協同模型及時適應目標變化。通過在公共數據集和動物數據集上對比實驗,本文方法的平均中心誤差(像素)分別為7.3、17.1,遠小于相關目標跟蹤方法,且具備良好的抗噪性和實時性。
(2)為提高目標跟蹤的準確性,有效利用分塊樣本信息,提出一種改進稀疏表示排名方法。首先,通過稀疏分塊表示候選目標;其次,計算稀疏系數和殘差,并提取出排名信
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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。
最新文檔
- 基于稀疏表示的在線目標跟蹤研究.pdf
- 基于稀疏表示的目標跟蹤算法.pdf
- 基于稀疏表示的運動目標跟蹤.pdf
- 基于稀疏表示的視覺目標跟蹤方法研究.pdf
- 基于稀疏表示模型的目標跟蹤算法.pdf
- 基于改進的稀疏表示的目標跟蹤算法研究.pdf
- 基于稀疏表示的目標檢測與跟蹤算法研究.pdf
- 基于稀疏表示的目標跟蹤算法研究與實現.pdf
- 基于稀疏表示的目標檢測與跟蹤方法研究.pdf
- 基于稀疏表示和特征選擇的目標跟蹤.pdf
- 基于稀疏表示的多車輛目標跟蹤算法研究.pdf
- 基于特征融合與稀疏表示的目標跟蹤研究.pdf
- 基于低秩稀疏表示的目標跟蹤算法研究.pdf
- 基于稀疏表示的圖像分類與目標跟蹤研究.pdf
- 基于分區(qū)域稀疏表示的目標跟蹤算法.pdf
- 基于稀疏表示的運動目標檢測與跟蹤算法研究.pdf
- 基于稀疏表示的小弱運動目標跟蹤算法研究.pdf
- 基于稀疏表示的多源目標融合跟蹤方法研究.pdf
- 基于粒子濾波和稀疏表示的目標跟蹤算法研究.pdf
- 基于稀疏表示的結構化目標跟蹤算法研究.pdf
評論
0/150
提交評論