IET_CV_SOAMST2.rar - 基于模块和方向的自适应均值漂移算法,的规模和方向自适应的Mean Shift跟踪,广泛
实验来证实所提出的方法,并验证其可靠性
规模和方向变化的目标。,2013-08-06 17:22:24,下载3次
IET_CV_2010.rar - 一种改进的背景权重的Meanshift跟踪方法,2013-08-06 17:18:22,下载5次
IET_CV_SOAMST_2011.rar - 一个比例和方向自适应均值漂移跟踪算法(SOAMST)
提出本文所要解决的问题,如何估计的规模和方向
改变均值漂移下的目标跟踪框架。在原来的均值偏移
跟踪算法,可以很好地估计目标的位置,规模的同时,
方向的变化,不能自适应估计。考虑到图像(重量)
是来自于目标运动模型和候选模型可以代表的可能性,一个
像素属于目标,我们证明了原来的均值漂移跟踪算法可以
推导出的重量图像的零阶和一阶矩。随着零阶
矩和目标模型和候选模型之间的Bhattacharyya系数,
提出了简单而有效的方法来估计的规模为目标。然后一种方法,
利用估计的区域和第二阶中心矩,提出
自适应地估计目标的宽度,高度和方向的变化。广泛
实验来证实所提出的方法,并验证其可靠性
规模和方向变化的目标。,2013-08-06 16:55:36,下载51次
CBWH_IET_Computer-Vision.rar - 背景加权直方图算法(BWH)在[2]中提出了尝试
减少干扰的背景均值漂移跟踪的目标定位。然而,
在本文中,我们证明了权重分配给候选目标区域的像素
BWH是那些没有背景资料成正比,即不会引入BWH
任何新的信息,因为均值漂移迭代公式是不变的规模
改造砝码。然后,我们提出了一个校正BWH(CBWH)的公式
只转型的目标模式,但不是目标候选模型。 CBWH计划
可以有效地降低背景的干扰,在目标定位。实验
结果表明,CBWH可能会导致更快的收敛速度和更准确的定位比
通常的目标表示均值漂移跟踪。即使目标没有得到很好的初始化,
该算法仍然强劲跟踪的对象,这是很难实现由
传统的目标表示。,2013-08-06 16:41:34,下载40次