搜索结果: 1-15 共查到“计算机科学技术 mean shift”相关记录26条 . 查询时间(0.366 秒)
基于改进Mean Shift的运动目标跟踪算法
均值漂移 卡尔曼滤波器 遮挡处理 目标跟踪
2016/7/25
为了提高传统Mean Shift算法在目标快速运动和被大面积遮挡两种情况下跟踪的效果，对Mean Shift跟踪算法进行了3点改进：采用Kalman滤波器预测运动目标轨迹，以提高算法对快速运动目标的鲁棒性；提出了一种融合Kalman滤波器残差和Bhattacharyya系数的遮挡处理机制，以提高目标被大面积遮挡时的跟踪效果；提出了一种基于自适应更新因子的目标模型更新机制，以提高动态适应能力。对比实...
为解决目标跟踪中运动目标存在较大尺度变化、旋转、快速运动或遮挡时跟踪效果欠佳的问题，提出了一种将尺度不变特征变换(SIFT)特征匹配和Kalman滤波与Mean Shift结合的运动目标跟踪方法。首先，利用Kalman滤波估计目标运动状态，将其估计值作为Mean Shift跟踪的初始位置；然后，当候选目标模型和初始目标模型的相似性测度系数小于某一阈值时，启用SIFT特征匹配寻找目标可能位置，并在该...
基于复杂特征融合的改进mean shift目标跟踪
目标跟踪 均值转移算法 Gabor 小波 特征融合
2014/7/21
提出一种融合Gabor 小波纹理特征与颜色特征的改进mean shift 目标跟踪算法. 首先, 提取移动目标的颜色特征和纹理特征直方图; 其次, 基于mean shift 算法定义融合相似度系数, 对特征空间进行融合并得出目标中心位置; 再次, 通过定义特征自适应系数来融合基于颜色和纹理特征的目标位置; 最后, 对上述结果进行处理, 得到目标最终位置. 实验结果表明, 该算法在跟踪目标存在变形、...
基于角点特征融合的Mean-shift跟踪算法
Mean-shift算法 角点检测 主色调 多区域 部分遮挡 姿态变化
2012/3/6
传统Harris检测算法不能很好地适应跟踪环境。为此，提出一种基于角点特征融合的Mean-shift跟踪算法。考虑人体姿态变化或遮挡对多区域跟踪的影响，采用角点更新策略，将特征融合主色调模型的跟踪结果与多区域跟踪结果进行权衡。实验结果表明，该算法能克服人体姿态变化或遮挡对跟踪的影响，实时性满足一般跟踪系统的要求，且在非遮挡状况下，其跟踪准确率比传统算法高。
Robust Object Tracking via Inertial Potential based Mean Shift
Object tracking mean shift motion modeling probabilistic approximation
2013/7/24
We present a novel mean shift approach in this paper forrobust object tracking based on an inertial potential model.Conventional mean shift based trackers exploit only appear-ance information of obser...
一种基于空间直方图的Mean-Shift跟踪算法
目标跟踪 Mean-Shift跟踪 颜色直方图 空间颜色直方图 相似性度量
2010/8/24
经典的Mean-Shift跟踪算法以颜色直方图为特征对目标进行跟踪。颜色直方图反映的是图像中颜色的组成情况，即出现了哪些颜色以及各种颜色出现的次数。颜色直方图具有旋转不变性、缩放不变性等优点,经常用于图像检索，即通过比较颜色直方图的差异来衡量两幅图像在颜色全局分布上的差异。但是颜色直方图不能反映颜色的空间分布特征，当跟踪目标与背景色颜色相近时可能造成错误跟踪，导致跟踪失败。考虑目标颜色空间分布特征...
基于小波分析的Mean Shift航拍图像分割算法
航拍图像 图像分割 均值漂移 小波分析
2010/5/5
对于噪声大、分辨率低的航拍图像，提出了利用小波分析多尺度特性，在较粗尺度下对图像进行分割的算法，可有效抑制Mean Shift图像分割算法的过分割问题。分析了Mean Shift算法中核函数窗宽变化对图像分割结果的影响，提出了改进的误分率表示方法，利用新的图像分割性能指标，对几幅实际的航拍图像进行了定量分析，表明了新算法的优点并说明了误分率性能评价指标的有效性。
基于Mean-Shift的广播音频聚类算法
主成分分析 均值漂移算法 快速近邻法
2009/11/30
针对大多数聚类算法依赖聚类数目这一先验知识的不足，提出一种基于均值漂移（Mean-Shift）的新广播音频聚类算法。对需聚类的音频段选取基于小波域的特征构造特征集合，通过主成分分析方法降低所提取特征中的冗余信息。在此基础上，采用Mean-Shift算法对音频信号进行初步聚类，然后利用快速近邻法对其聚类结果进行一次修正，最后合并仅含有单个样本类别的类进行二次修正。实验结果表明，该算法的聚类精度有一定...
基于尺度不变特征变换的Mean-Shift目标跟踪
目标区域划分 尺度不变特征变换 均值漂移
2009/11/30
均值漂移（Mean-Shift）目标跟踪算法由于具有快速模板匹配和无参数密度估计等特点，但也存在其固有的缺陷。为了提高该算法的鲁棒性,把目标分成多个区域，对每个区域利用Mean-Shift进行跟踪，迭代次数大于8的放弃迭代。然后利用尺度不变特征变换(SIFT)剔除那些匹配的关键点数目少的子区域。最后，利用匹配关键点数目多的区域得到目标的位置。实验结果表明该方法在目标受遮挡、尺度变化、旋转、环境场景...
基于角特征和Mean-shift的车辆跟踪方法
车辆跟踪 Mean-shift算法 跟踪窗口 角特征点
2010/3/22
提出一种基于角特征点和Mean-shift的车辆跟踪方法，对不断改变尺寸的车辆目标进行有效跟踪，利用角特征点把模板目标构造成若干个同尺寸的子窗口，每个子窗口单独地按Mean-shift算法进行跟踪，并寻找其相应的中心位置，通过关联过程确定车辆目标在整个视场中的运行轨迹。实验结果表明，该方法简单、可靠，可以稳定地跟踪车辆目标。
基于粒子滤波和Mean-shift的跟踪算法
粒子滤波 Mean-shift算法 目标跟踪
2010/3/4
粒子滤波作为一种基于贝叶斯估计的算法，在处理非线性运动目标跟踪问题上具有特殊的优势。基于此，提出一种基于粒子滤波和Mean-shift的混合跟踪算法(KMSEPF)。KMSEPF算法对一般的Mean-shift和粒子滤波混合算法进行改进。结果证明，KMSEPF算法与混合算法MSEPF相比，在计算效率提高的同时，跟踪准确性和处理遮挡的能力没有下降。
基于图像块差分和Mean Shift算法的运动目标检测
视频监控 运动分割 图像块差分
2009/9/18
运动目标检测是计算机视觉中的一个重要研究内容，现有算法中的一个重要问题是噪声对分割结果的影响。提出了一种时空域信息相结合的运动目标检测算法：首先利用图像块的重心位置在时间域上差分结果初始化目标轮廓，图像块差分的方法可以消除噪声的影响及减少目标内部的空洞；然后采用Mean Shift算法对初始轮廓进行迭代，使其逐步贴近真实的目标边缘。实验表明该算法能快速准确地分割出序列图像中的运动目标。
一种分层Mean Shift目标跟踪算法
分层Mean shift 聚类模式点 匹配
2009/9/7
针对经典Mean shift (MS)目标跟踪算法的颜色特征鲁棒差、匹配迭代复杂的缺点, 提出一种分层Mean shift (Hierarchical mean shift, HMS)目标跟踪算法. 首先通过MS迭代将目标区域特征空间的数据点聚类于模式点, 使得以简洁的方式描述前景跟踪目标, 建立目标模型与目标候选模型的聚类模式点描述, 进行聚类块匹配. 然后, 导出聚类块模式点匹配下的相似度...
基于多特征Mean Shift的人脸跟踪算法
人脸跟踪 卡尔曼滤波 Mean Shift算法
2009/9/1
该文把局部三值模式(Local Ternary Patterns, LTP)纹理特征引入Mean Shift跟踪算法，提出了基于多特征的Mean Shift人脸跟踪算法以解决Mean shift跟踪算法的鲁棒性问题。通过对LTP纹理特征的分析、研究，提出了一个LTP关键纹理模型，既增强了目标的关键纹理信息，又简化了LTP纹理模型。在此基础上，提出一种基于LTP关键纹理特征和肤色特征的Mean Sh...