【摘 要】
：
针对视频图像中多目标运动、边缘特征模糊、目标跟踪难度大的问题,提出了一种基于多目标视频图像边缘特征的核相关滤波跟踪算法。首先,将视频图像中目标运动轨迹的3帧图像时间作为线性段。然后,利用线性判断方法捕获目标,利用动态边缘演化技术准确提取捕获目标的边缘特征;并结合视频图像梯度角度直方图与颜色信息,获取梯度角度-色度饱和度直方图颜色特征,得到跟踪目标的特征权重。最后,利用核相关滤波跟踪算法,通过循环移
【机 构】
：
长沙师范学院信息科学与工程学院,湖南长沙410100
论文部分内容阅读
针对视频图像中多目标运动、边缘特征模糊、目标跟踪难度大的问题,提出了一种基于多目标视频图像边缘特征的核相关滤波跟踪算法。首先,将视频图像中目标运动轨迹的3帧图像时间作为线性段。然后,利用线性判断方法捕获目标,利用动态边缘演化技术准确提取捕获目标的边缘特征;并结合视频图像梯度角度直方图与颜色信息,获取梯度角度-色度饱和度直方图颜色特征,得到跟踪目标的特征权重。最后,利用核相关滤波跟踪算法,通过循环移位和循环矩阵、岭回归模型学习分类器实现视频图像的多目标跟踪。实验结果表明,本算法的多目标跟踪成功率高达9
其他文献
文章在借鉴国内外高校图书馆学科服务模式的基础上,系统总结了宁夏大学图书馆“定制式资源共享”学科服务模式的发展历程,从大众化信息资源共享服务、精准化定制式学科服务、保障性学科资源建设三个方面分析了新模式的建设内容。并从学科资源服务共享运行机制、协同创新机制、服务保障机制和系统化评估机制等四个方面探讨了新模式在实践应用中需要解决的问题。
读者文化程度对读者的阅读行为有着至关重要的影响,其差异决定着读者的阅读兴趣、对象、方式、习惯等.本文通过探寻文化程度与阅读、阅读推广之间的紧密联系,基于湖南长株潭
针对小目标(像素占比小于0.02)检测存在的目标特征容易丢失、分辨率低的问题,提出了一种基于改进YOLOv3(You only look once)卷积神经网络的检测方法。首先,对数据集中的小目标进行复制变换增强,以提升训练过程中网络对小目标的注意力。其次,针对浅层视觉信息与深层语义信息的尺度融合,提出了跨尺度检测层的网络结构,提高了网络对小目标的适应能力。最后,针对高分辨率图像的检测效果,提出了
针对GrabCut算法在分割图像时效率低,且容易出现欠分割与过分割的问题,提出了一种基于概率神经网络(PNN)改进的GrabCut(PNN_GrabCut)算法。该算法用PNN模型替换GrabCut算法中的高斯混合模型(GMM)进行t-links权值计算,以提升算法的计算效率;通过构建前景和背景直方图,选取像素值出现频率较高的像素作为PNN模型的训练样本,以提高算法的分割精度。在公开的ADE20K
文章选取1998—2019年间SSCI和CSSCI数据库中图情领域以可视化为主题的期刊论文,以UCINET、NetDraw、CiteSpace等数据分析和可视化工具,揭示国内外该领域发展的阶段特征、主要内容、主题演化以及高影响力作者。研究结果表明:国内外图情领域可视化研究都可分为三个阶段;国外图情领域更重视可视化方法、技术研究,国内在该领域更重视对可视化理论、方法、工具的具体应用;和国外相比,国内明显缺乏本土可视化软件的开发和推广;在可视化研究对象上,国外图情领域较多关注公共健康卫生数据的可视化研究,而国
文章使用Python编程语言和文本挖掘方法分析图情档学科领域中美两国的国家级基金资助项目,对比两国的研究热点与研究特点,以期为我国的图情档学科研究提供参考与借鉴。研究发现,两国的国家基金项目都重视图书馆、大数据与数据科学和用户研究,但我国更侧重于信息研究且古籍文献整理研究在基金项目研究中占有较大比例;美国则更关注数据研究、大数据衍生问题和学生的实践教育。
本文提出了一种基于双金属环的超材料太赫兹宽频带通滤波器,为太赫兹滤波器插入损耗和带宽问题的解决提供了可行方案.利用频域有限差分法构建双金属环超材料的理论模型,通过
立体匹配算法在图像弱纹理区和重复纹理区存在匹配困难、误差大的问题,为此提出一种基于改进代价计算和视差候选策略的立体匹配算法。首先结合改进的Census变换和自适应加权融合的双向梯度信息来计算初始匹配代价,提高代价计算的可靠性。其中:为传统Census变换增加内圈编码,提高邻域信息利用率,同时降低噪声的影响;利用自适应权重函数融合横向和纵向梯度代价,降低物体边缘区域的误匹配率。其次,采用自适应十字交
文章基于图书馆服务行为与用户信息行为的视角,在梳理传统图书馆服务行为分析和广义用户信息行为分析的基础上,提出图书馆服务行为可计算的概念,构建了图书馆服务行为计算的
选择低成本的316L不锈钢旧粉进行选区激光熔化(SLM)成形,拟通过工艺参数优化和热处理来提高产品的性能.采用平均粒径为27.6μm的316L不锈钢旧粉,在不同的工艺参数下制备多组