【摘 要】
：
综合粒子滤波和均值偏移理论,提出了一种基于相似性度量的机器人视觉跟踪方法.该算法以粒子滤波器为主体,粒子数目与相似性距离成正比.当粒子数目超过阈值时,采用较少的粒子数目结合均值偏移的算法代替传统的粒子滤波算法.每帧跟踪结束时,计算目标与模板的相似性距离,根据相似性距离调整粒子滤波器产生的粒子数目,并决定下次跟踪时是否执行均值偏移算法.粒子数目与相似性距离之间的比例系数根据实验设定.完成一次跟踪算法
论文部分内容阅读
综合粒子滤波和均值偏移理论,提出了一种基于相似性度量的机器人视觉跟踪方法.该算法以粒子滤波器为主体,粒子数目与相似性距离成正比.当粒子数目超过阈值时,采用较少的粒子数目结合均值偏移的算法代替传统的粒子滤波算法.每帧跟踪结束时,计算目标与模板的相似性距离,根据相似性距离调整粒子滤波器产生的粒子数目,并决定下次跟踪时是否执行均值偏移算法.粒子数目与相似性距离之间的比例系数根据实验设定.完成一次跟踪算法消耗的时间为5~10 ms.实验表明,该方法跟踪目标准确,具有良好的实时性.
其他文献
射频识别技术RFID(Radio Frequency Identification)是自动识别技术的一种,即通过无线射频方式进行非接触双向数据通信对目标加以识别。一个典型的RFID系统一般由RFID标签、读写器以及计算机系统等部分组成。其中RFID标签中一般保存有约定格式的编码数据,用以唯一标识标签所附着的物体。
一、引言RFID技术的快速读写、抗污染能力和耐久性,识别的穿透性和无屏障阅读,多应用支持等等的突出能力使得这项技术应用日益广泛,而RFID技术与条码识别技术、互联网、通信、传感网络等信息技术融合,能够构筑一个无所不在的网络环境,
为解释本体中概念不满足的原因,利用2个对等转换(即公理细化和本体约减)与3个判别规则识别不满足概念C的最小不一致知识子集(MUPS).其中,判别规则基于不满足概念的传递性,将MUPS分为3类:完全依赖于C(MUPSf)、传递依赖于C(MUPSt)和不确定依赖于C(MUPSu).实验结果表明:在本体不满足概念的MUPS中,MUPSt往往占大多数,但只有MUPSf可以明确指出概念不满足的根本原因.本体
概述广东太古可口可乐有限公司为中外合资企业。为提高办公效率,加强对人、财、物的有序及有效监控管理,以一张多功能非接触式IC卡同时担负起工作证件、考勤签到卡、内部消费货币、门禁通行钥匙等多项管理职能,在计算机网络
对基于区域的几何活动轮廓模型中的区域项进行了改进.改进后的算法不仅解决了原算法存在的稳定性问题,同时也有效地提高了分割速度.算法还被成功地扩展到能够分割多种脑组织,且分割质量显著提高.多种子初始化方式的采用,进一步降低了算法对初始条件的敏感性,同时也减少了人工干预.对模拟和真实脑MRI图像的分割实验证明了改进的可行性和有效性,噪声条件下分割的比较分析也表明改进后的算法具有良好的韧性.
Combining Dual Reciprocity Method (DRM) with Hybrid Boundary Node Method (HBNM), the Dual Reciprocity Hybrid Boundary Node Method (DRHBNM) is developed for three-dimensional linear elasticity problems
基于耦合理论定义并推导出耦合增益系数g,分析耦合增益系数g随TL和r的变化.提出图像边缘增强的新光学系统,该系统利用背景信号增强边缘信号,具有高输出效率和高亮度的优点.设计并构建出该光学系统,并利用CCD获得手骨的边缘增强图像.论证了光相关原理,模拟边缘增强和非边缘增强字母E的三维相关分布,并比较了两种相关器的分辨率Iac和半高宽(FWHM).分析表明:边缘增强预处理能有效提高相关器的性能.
提出一种基于尺度不变特征变换(SIFT)特征匹配的目标跟踪方法.首先使用SIFT提取目标特征,构建目标特征库,然后使用基于K维树的特征匹配算法,对实时序列图像提取的SIFT特征与特征库中目标进行精确匹配,实现目标检测与定位,根据定位信息自动控制摄像机转动,始终将目标锁定在图像视野中,实现实时跟踪.在真实的室内环境下进行目标跟踪实验,通过检验每一帧目标定位的正确性,计算目标检测的正确率.在本文实验条
针对具有放射性色彩失真问题的图像提出了可控色彩校正和图像增强方法,包括放射色彩失真校正、可控图像增强和机器人摄像头基准化,采用通过融合不同曝光级别下采样样本图片来获得期望校正样本图片的方法,实现了对具有有限曝光级别摄像头的可控图像增强,并在该方法的基础上进一步通过图像处理实现了对不同机器人摄像头的基准化.为Sony AIBO ERS-7型四腿机器人(RoboCup四腿组标准平台)的摄像头问题提供了
采用分层图结构来表示人脸,显式地表达其语义分解(脸、左眼、右眼、鼻和嘴)和分解所得部件之间的关系,进而设计检测算法.对图结构中的每个节点,采用一种由主动基构成的可变形模板进行描述,不同节点可以并行计算,产生各自的提议图,进一步对部件之间的图结构关系进行测试,完成对人脸的检测.整个推理计算过程在贝叶斯框架下进行建模.通过在MIT+CMU人脸测试集上的实验表明,算法能有效地处理遮挡以及一定范围内的姿态