检索结果-维普期刊中文期刊服务平台

适用于目标跟踪的加权增量子空间学习算法被引量：1: 1; 作者钱诚张三元《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2011年第12期2240-2246,共7页; 为了克服目标物外观变化给跟踪造成的困难,提出一种基于加权增量子空间学习的目标跟踪算法.该算法构造了一个可在线更新的子空间作为视频中目标物的外观模型,根据概率转移模型预测得到一组图像样本作为目标物在当前帧中可能出现的图像区... 展开更多; 关键词目标跟踪增量子空间学习算子向量时间权值; 在线阅读下载PDF 职称材料

基于鲁棒子空间学习的粒子滤波跟踪算法被引量：3: 2; 作者陆文蔡敬菊《计算机应用研究》 CSCD 北大核心 2011年第9期3579-3584,共6页; 线性子空间模型能够有效地描述目标表面受到光照和姿势变化的情况,然而大多数基于子空间表面模型的目标跟踪算法是在跟踪之前通过训练不同光照和姿势下目标的观测图像,得到一组特征基,并用这组特征基表示不同时刻目标表面变化,一旦训练... 展开更多; 关键词目标跟踪粒子滤波增量子空间学习鲁棒特征空间学习; 在线阅读下载PDF 职称材料

基于时序特性的自适应增量主成分分析的视觉跟踪被引量：17: 3; 作者蔡自兴彭梦余伶俐《电子与信息学报》 EI CSCD 北大核心 2015年第11期2571-2577,共7页; 当前基于增量主成分分析(PCA)学习的跟踪方法存在两个问题,首先,观测模型没有考虑目标外观变化的连续性;其次,当目标外观的低维流行分布为非线性结构时,基于固定频率更新模型的增量PCA学习不能适应子空间模型的变化。为此,该文首先基于... 展开更多; 关键词视觉跟踪主成分分析增量子空间学习遗忘因子自适应增量; 在线阅读下载PDF 职称材料

基于改进主动外观模型的人脸识别算法研究被引量：1: 4; 作者田华蒲天银《计算机应用与软件》 CSCD 北大核心 2014年第8期175-178,200,共5页; 提出一种基于改进主动外观模型AAM(Active appearance model)方法的人脸识别方法。先采用平移不变小波分解图像获得低频系数,把低频系数作为图像的纹理表示,能更充分表征人脸面部的纹理特征。然后采用增量子空间学习算法更新训练样本的... 展开更多; 关键词主动外观模型平移不变小波增量子空间学习算法人脸识别; 在线阅读下载PDF 职称材料

基于多任务混合噪声分布模型表示的视频跟踪: 5; 作者亚森江.木沙赵春霞《计算机工程与应用》 CSCD 北大核心 2015年第13期15-24,共10页; 视觉跟踪中,目标信息是不确定的非线性变化过程。随时间和空间而变化的复杂动态数据中学习出较为精确的目标模板并用它来线性表示候选样本外观模型,从而使跟踪器较好地适应跟踪作业中内在或外在因素所引起的目标外观变化是视觉目标跟踪... 展开更多; 关键词目标跟踪多任务增量子空间学习实时字典扩充; 在线阅读下载PDF 职称材料

题名适用于目标跟踪的加权增量子空间学习算法被引量：1: 1; 作者钱诚张三元; 机构浙江大学计算机科学与技术学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2011年第12期2240-2246,共7页; 基金国家"973"重点基础研究发展规划资助项目(2009CB320804) 省部产学研资助项目(2011B090400546); 文摘为了克服目标物外观变化给跟踪造成的困难,提出一种基于加权增量子空间学习的目标跟踪算法.该算法构造了一个可在线更新的子空间作为视频中目标物的外观模型,根据概率转移模型预测得到一组图像样本作为目标物在当前帧中可能出现的图像区域;然后将图像样本投影到该低维子空间中估计每个图像样本为目标图像区域的似然度,以具有最高似然度的样本作为目标在当前帧中的图像区域,通过加权增量的方式调整子空间.实验结果表明:相比基于其他增量子空间学习的跟踪算法,该算法能够稳定、准确地对运动目标进行跟踪.; 关键词目标跟踪增量子空间学习算子向量时间权值; Keywords object tracking incremental subspace learning coefficient vector temporal weight; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于鲁棒子空间学习的粒子滤波跟踪算法被引量：3: 2; 作者陆文蔡敬菊; 机构中国科学院光电技术研究所中国科学院研究生院; 出处《计算机应用研究》 CSCD 北大核心 2011年第9期3579-3584,共6页; 基金中国科学院科技创新基金资助项目(A08k001); 文摘线性子空间模型能够有效地描述目标表面受到光照和姿势变化的情况,然而大多数基于子空间表面模型的目标跟踪算法是在跟踪之前通过训练不同光照和姿势下目标的观测图像,得到一组特征基,并用这组特征基表示不同时刻目标表面变化,一旦训练完成之后,特征基就保持不变,不能在线更新。采用增量子空间学习的方法来构建目标表面的特征基,该特征基能够在线适应目标表面的变化。另一方面,传统的子空间学习方法是基于最小二乘重构误差,该方法容易受到异常测量数据的影响,为此采用鲁棒的子空间学习方法来降低异常测量数据对特征空间更新的影响。最后将鲁棒特征基表面模型结合状态推理框架中的粒子滤波算法来传播目标的运动参数,达到准确跟踪的目的。; 关键词目标跟踪粒子滤波增量子空间学习鲁棒特征空间学习; Keywords object tracking particle filter incremental subspace learning robust eigenspace learning; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于时序特性的自适应增量主成分分析的视觉跟踪被引量：17: 3; 作者蔡自兴彭梦余伶俐; 机构中南大学信息科学与工程学院; 出处《电子与信息学报》 EI CSCD 北大核心 2015年第11期2571-2577,共7页; 基金国家自然科学基金重大研究计划(90820302) 国家自然科学基金(61175064 +1 种基金 61403426 61403423)~~; 文摘当前基于增量主成分分析(PCA)学习的跟踪方法存在两个问题,首先,观测模型没有考虑目标外观变化的连续性;其次,当目标外观的低维流行分布为非线性结构时,基于固定频率更新模型的增量PCA学习不能适应子空间模型的变化。为此,该文首先基于目标外观变化的连续性,在子空间模型中提出更合理的目标先验概率分布假设。然后,根据当前跟踪结果与子空间模型之间的匹配程度,自适应调整遗忘比例因子,使得子空间模型更能适应目标外观变化。实验结果验证了所提方法能有效提高跟踪的鲁棒性和精度。; 关键词视觉跟踪主成分分析增量子空间学习遗忘因子自适应增量; Keywords Visual tracking Principal Component Analysis （PCA） Incremental subspace learning Forgetting factor Adaptive increment; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进主动外观模型的人脸识别算法研究被引量：1: 4; 作者田华蒲天银; 机构铜仁学院数学与信息工程系; 出处《计算机应用与软件》 CSCD 北大核心 2014年第8期175-178,200,共5页; 基金贵州省科技厅联合基金项目(黔科合字LKT〈2012〉10号); 文摘提出一种基于改进主动外观模型AAM(Active appearance model)方法的人脸识别方法。先采用平移不变小波分解图像获得低频系数,把低频系数作为图像的纹理表示,能更充分表征人脸面部的纹理特征。然后采用增量子空间学习算法更新训练样本的特征空间,通过实时对模型的更新和学习,实时更新特征空间更有效地描述样本图像间的相似性或差异性。最后把提取的面部特征点信息作为每个人脸的特征向量,根据最近邻分类器进行人脸识别验证。实验结果证明了该改进方法的有效性。; 关键词主动外观模型平移不变小波增量子空间学习算法人脸识别; Keywords Active appearance model Translation invariant wavelet transform Incremental subspace learning algorithm Face recognition; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多任务混合噪声分布模型表示的视频跟踪: 5; 作者亚森江.木沙赵春霞; 机构南京理工大学计算机科学与工程学院新疆大学机械工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2015年第13期15-24,共10页; 基金国家自然科学基金(No.61272220); 文摘视觉跟踪中,目标信息是不确定的非线性变化过程。随时间和空间而变化的复杂动态数据中学习出较为精确的目标模板并用它来线性表示候选样本外观模型,从而使跟踪器较好地适应跟踪作业中内在或外在因素所引起的目标外观变化是视觉目标跟踪研究的重点。提出一种新颖的多任务混合噪声分布模型表示的视频跟踪算法,将候选样本外观模型假设为由一组目标模板和最小重构误差组成的多任务线性回归问题。利用经典的增量主成分分析法从高维数据中学习出一组低维子空间基向量(模板正样本),并在线实时采样一些特殊的负样本加以扩充目标模板,再利用扩充后的新模板和独立同分布的高斯-拉普拉斯混合噪声来线性拟合当前时刻的候选目标外观模型,最后计算候选样本和真实目标之间的最大似然度,从而准确捕捉当前时刻的真实目标。在一些公认测试视频上的实验结果表明,该算法将能够在线学习较为精准的目标模板并定期更新目标在不同状态时的特殊信息,使得跟踪器始终保持最佳的状态,从而良好地适应不断发生变化的视觉信息(姿态、光照、遮挡、尺度、背景扰乱及运动模糊等),表现出更好的鲁棒性能。; 关键词目标跟踪多任务增量子空间学习实时字典扩充; Keywords object tracking multi-task incremental subspace learning template expansion; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	适用于目标跟踪的加权增量子空间学习算法	钱诚张三元	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2011	1	在线阅读下载PDF 职称材料
2	基于鲁棒子空间学习的粒子滤波跟踪算法	陆文蔡敬菊	《计算机应用研究》 CSCD 北大核心	2011	3	在线阅读下载PDF 职称材料
3	基于时序特性的自适应增量主成分分析的视觉跟踪	蔡自兴彭梦余伶俐	《电子与信息学报》 EI CSCD 北大核心	2015	17	在线阅读下载PDF 职称材料
4	基于改进主动外观模型的人脸识别算法研究	田华蒲天银	《计算机应用与软件》 CSCD 北大核心	2014	1	在线阅读下载PDF 职称材料
5	基于多任务混合噪声分布模型表示的视频跟踪	亚森江.木沙赵春霞	《计算机工程与应用》 CSCD 北大核心	2015	0	在线阅读下载PDF 职称材料