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7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：
多示例人脸的Boosting检测
1
作者 章桦 《软件导刊》 2008年第5期98-99,共2页
提出了一种基于多示例的Boosting级联算法,通过使用多示例、大的训练集以及对应的阈值调整方法,提高了人脸检测速度和精度。实验证明,该方法在进行人脸检测时达到了非常高的检测率,并且速度比其它算法提高了1￣2倍。
关键词 多示例 boosting级联器 人脸检测 大规模数据集
在线阅读 下载PDF
在线特征选取的多示例学习目标跟踪 被引量：2
2
作者 周志宇 彭小龙 +1 位作者 吴迪冲 朱泽飞 《中国图象图形学报》 CSCD 北大核心 2015年第10期1346-1357,共12页
目的传统的多示例学习跟踪在跟踪过程中使用了自学习过程,当目标跟踪失败时分类器很容易退化。针对这个问题,提出一种基于在线特征选取的多示例学习跟踪方法(MILOFS)。方法首先,该文使用稀疏随机矩阵来简化视频跟踪中图像特征的构建,使... 目的传统的多示例学习跟踪在跟踪过程中使用了自学习过程,当目标跟踪失败时分类器很容易退化。针对这个问题,提出一种基于在线特征选取的多示例学习跟踪方法(MILOFS)。方法首先,该文使用稀疏随机矩阵来简化视频跟踪中图像特征的构建,使用随机矩阵投影来自高维度的图像信息。然后,利用Fisher线性判别模型构建包模型的损失函数,依照示例响应值直接在示例水平构建分类器的判别模型。最后,从梯度下降角度看待在线增强模型,使用梯度增强法来构建分类器的选取模型。结果对不同场景的图像序列进行对比实验,实验结果中在线自适应增强(OAB)、在线多实例学习跟踪(MILTrack)、加权多实例学习跟踪(WMIL)、在线特征选取多实例学习跟踪(MILOFS)的平均跟踪误差分别为36像素、23像素、24像素、13像素,本文算法在光照变化、发生遮挡,以及形变的情况下都能准确跟踪目标,且具有很高的实时性。结论基于在线特征选取的多示例学习跟踪,跟踪过程使用梯度增强法并直接在示例水平构建包模型的判别模型,可以有效克服传统多示例学习中的分类器退化问题。 展开更多
关键词 目标跟踪 多示例学习 FISHER线性判别 梯度增强 判别模型
原文传递
基于在线多示例提升随机蕨丛的目标跟踪 被引量：2
3
作者 黄叶珏 郑河荣 《计算机应用》 CSCD 北大核心 2012年第11期3178-3181,3184,共5页
为了实现在光线变化、目标形变及背景复杂环境下健壮有效的目标跟踪,提出一种基于在线多示例提升随机蕨丛的目标跟踪方法,通过无限冲激响应(IIR)滤波器实现随机蕨丛分类器的在线增量学习,构建在线随机蕨分类器池,并在在线多示例提升框... 为了实现在光线变化、目标形变及背景复杂环境下健壮有效的目标跟踪,提出一种基于在线多示例提升随机蕨丛的目标跟踪方法,通过无限冲激响应(IIR)滤波器实现随机蕨丛分类器的在线增量学习,构建在线随机蕨分类器池,并在在线多示例提升框架下对在线随机蕨进行更新和选取,生成在线多示例提升随机蕨丛分类器,利用该分类器对目标候选区域的采样进行分类以确定目标位置,同时构造正例和负例训练集进行在线增量更新。实验结果表明,复杂环境下,算法具有良好的目标跟踪稳定性。 展开更多
关键词 目标跟踪 在线增量更新 在线多示例提升 随机蕨丛 分类器
在线阅读 下载PDF
基于时间Dirichlet过程混合模型的在线目标跟踪 被引量：1
4
作者 孙建中 熊忠阳 张玉芳 《系统仿真学报》 CAS CSCD 北大核心 2013年第6期1155-1160,共6页
针对目标跟踪过程中,可变目标表观的特征数据会发生"分布漂移"的问题,提出一种基于非参贝叶斯多模表观模型的目标跟踪方法。首先,以时间Dirichlet过程为先验分布,把先前估计的目标样本划分为不同的聚集,使得每个聚集表示一类... 针对目标跟踪过程中,可变目标表观的特征数据会发生"分布漂移"的问题,提出一种基于非参贝叶斯多模表观模型的目标跟踪方法。首先,以时间Dirichlet过程为先验分布,把先前估计的目标样本划分为不同的聚集,使得每个聚集表示一类表观,同时,每个表观类被建模为判别式分类器;然后,基于贝叶斯后验推断,权衡先前表观模型的分类误差和拆分聚集的代价,从数据中自主学习表观模型;最后,基于Noisy-OR模型,以贪心(Greedy)策略协同各表观分类器判别出目标。仿真结果表明该方法能较好的跟踪可变目标表观,改善了目标跟踪性能。 展开更多
关键词 目标跟踪 在线多示例boosting算法 时间Dirichlet过程混合模型 非参贝叶斯模型
原文传递
基于优化协同训练理论的自适应融合跟踪
5
作者 郑超 陈杰 +2 位作者 杨星 殷松峰 冯云松 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2016年第4期496-504,共9页
针对基于可见光和红外图像的分析型融合跟踪算法在复杂环境下的鲁棒性不高,提出一种新颖的基于优化协同训练理论的自适应分析型融合跟踪算法.首先,通过加权多示例学习boosting技术分别从基于可见光和红外图像的弱分类器池中实现判别能... 针对基于可见光和红外图像的分析型融合跟踪算法在复杂环境下的鲁棒性不高,提出一种新颖的基于优化协同训练理论的自适应分析型融合跟踪算法.首先,通过加权多示例学习boosting技术分别从基于可见光和红外图像的弱分类器池中实现判别能力最好的弱分类器挑选,减弱引入的误差样本对联合分类器判别能力的影响;然后,在自适应先验知识引入机制辅助下,完成分类器样本包的协同训练更新,减小相互引入误差样本的概率;最后,通过误差模型完成算法有效性分析.多组序列跟踪的对比实验结果展示了该算法各部分对提高跟踪鲁棒性的贡献,验证了该算法相比于基于单源图像或其它融合机制的跟踪算法更好的鲁棒性. 展开更多
关键词 分析型融合 协同训练 加权多示例学习boosting 先验知识
在线阅读 下载PDF
改进特征和时间融合框架的区分式跟踪算法
6
作者 董强 刘爱东 《光电工程》 CAS CSCD 北大核心 2015年第4期14-18,31,共6页
文章基于多示例学习的跟踪框架,引入改进型的分布场特征并融合目标时间维度信息,提出了一种新的跟踪算法。新的特征能够更为有效地描述目标的空间结构信息,对于目标模糊、局部遮挡以及细微形变有良好的鲁棒性。加入的目标时间维度信息... 文章基于多示例学习的跟踪框架,引入改进型的分布场特征并融合目标时间维度信息,提出了一种新的跟踪算法。新的特征能够更为有效地描述目标的空间结构信息,对于目标模糊、局部遮挡以及细微形变有良好的鲁棒性。加入的目标时间维度信息融合方法,包含了目标的历史信息,同时也能响应目标的外观变化,提高了跟踪器从跟踪异常中恢复的能力。通过对比新算法与其他先进算法在多组测试视频上的跟踪结果,可以发现本文提出的算法具有更为优异的性能,能够在各种复杂情况下对目标进行稳定的跟踪。 展开更多
关键词 目标跟踪 多示例学习 区分式分类器 在线学习
在线阅读 下载PDF
基于在线判别特征选取的粒子滤波跟踪
7
作者 文磊 《信息技术》 2015年第6期202-206,共5页
传统的粒子滤波视频跟踪算法,在复杂环境背景下跟踪精度不高。针对此问题提出了一种新的基于在线判别特征选取的粒子滤波跟踪。使用粒子滤波构建了算法的基本运动模型,并根据不同运动的剧烈程度,分解基本运动模型为不同构成的子模型。... 传统的粒子滤波视频跟踪算法,在复杂环境背景下跟踪精度不高。针对此问题提出了一种新的基于在线判别特征选取的粒子滤波跟踪。使用粒子滤波构建了算法的基本运动模型,并根据不同运动的剧烈程度,分解基本运动模型为不同构成的子模型。通过在线多实例学习分别采样正负样本集合,并在这些样本上使用在线特征选取来构建强分类器。判别特征的选取过程,直接把样本的重要性与分类器权值联系起来,并利用梯度增强法搜索目标。大量的实验结果表明,文中提出的算法在光照变化、遮挡、以及形变的变化下都能准确跟踪目标,并且具有很高的实时性。 展开更多
关键词 粒子滤波 多实例学习 梯度增强 特征选取
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