期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
在线低秩表示的目标跟踪算法 被引量：4
1
作者 王海军 葛红娟 张圣燕 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2016年第5期98-104,共7页
针对传统的基于生成模式的跟踪方法对噪声及遮挡问题比较敏感,导致跟踪结果失败的问题,提出了以前几帧的跟踪结果作为观测矩阵,采用鲁棒的主元成分分析模型求解观测模型的低秩特征.当新的视频流到来时,不是把所有的跟踪结果矩阵作为观... 针对传统的基于生成模式的跟踪方法对噪声及遮挡问题比较敏感,导致跟踪结果失败的问题,提出了以前几帧的跟踪结果作为观测矩阵,采用鲁棒的主元成分分析模型求解观测模型的低秩特征.当新的视频流到来时,不是把所有的跟踪结果矩阵作为观测矩阵.并提出了新的增量鲁棒的主元成分分析模型,采用增广拉格朗日算法求解新矩阵的低秩特征,并以此低秩矩阵在贝叶斯框架下建立跟踪模型,用恢复的低秩特征更新字典矩阵.将文中方法与其他6种跟踪算法在8种跟踪视频上进行跟踪对比.实验结果表明,所提出的方法具有较低的像素中心位置误差和较高的重叠率. 展开更多
关键词 目标跟踪 低秩特征 鲁棒的主成分分析模型 字典矩阵
在线阅读 下载PDF
基于拉普拉斯混合尺度模型的目标检测算法
2
作者 邵泽瑞 《现代计算机》 2021年第5期46-51,共6页
在许多计算机视觉任务中,运动目标检测是视频自动分析的基础步骤。近年来,许多基于鲁棒主成分分析(RPCA)的静态背景与运动前景分离的方法被提出来应用于运动目标检测。通过假设视频帧的背景与前景部分分别是低秩和稀疏的,传统的RPCA方... 在许多计算机视觉任务中,运动目标检测是视频自动分析的基础步骤。近年来,许多基于鲁棒主成分分析(RPCA)的静态背景与运动前景分离的方法被提出来应用于运动目标检测。通过假设视频帧的背景与前景部分分别是低秩和稀疏的,传统的RPCA方法使用l1范式对前景部分进行稀疏约束,但在实际应用中,由于前景部分不一定是严格稀疏的,所以使用l1范式对前景进行约束可能过于严格,例如在处理具有相机抖动和动态背景等情况的视频时,会极大限制RPCA提取前景的有效性。基于传统RPCA方法并结合拉普拉斯尺度混合(LSM)模型,提出一种全新的提取运动物体的算法,称之为LSM_RPCA算法,该算法使用LSM模型对视频帧的前景部分进行建模,用以提高传统RPCA方法在提取运动目标时的精度。实验结果表明,LSM_RPCA算法在运动目标检测方面具有与其他顶尖算法相媲美的性能。 展开更多
关键词 运动目标检测 鲁棒的主成分分析 拉普拉斯尺度混合模型
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部