一种基于压缩感知的在线学习跟踪算法
实现稳健的目标跟踪，建立有效的目标在线模型至关重要。针对现有在线学习跟踪算法缺乏对目标观测信息是否有效的判断，提出了一种简单且高效的解决方法。利用正负样本构建目标在线模型，基于压缩感知理论从多尺度图像特征空间提取特征信息完成目标表征之后，由随机蕨分类器进行分类并通过一种特征置信度度量策略来确定在线更新速率，最后由目标在线模型判断输出置信度最高的样本，此外还建立了一种遮挡反馈机制来决定是否更新目标在线模型。实验结果表明，该方法在目标被长时间遮挡、光照变化等情况下均能完成稳健跟踪，在320 pixel × 240 pixel 大小的视频序列中处理速度保持在30~50 frame/s左右，可以满足实时应用的需求。
文件下载
评论信息
其他资源
- conll 特征词提取 python
- 操作系统大型实验-二级目录文件系统模拟
- 晶相H42规格书datasheet
- sift matlab代码
- clover3.5.2绿色版本无广告.rar
- 会议管理系统毕业设计论文
- TCP穿透P2P的C++源码
- 10个经典的Android开源应用项目（源代码，10个全）
- 【黑苹果EFI】B360M+i5 8400+GTX 1060自制EFI，Clover引导
- Stuuche.github.io-源码
- 灵信科技单色门楣控制卡说明.pdf
- windows系统密码破解实验.pdf
- 基于struts和hibernate的酒店管理系统（可运行 含表）
- 电子信息专业必备的电子知识
- ISO IEC 23001-7-2016 Information technology
- SQL语句实现按关健字模糊查询,并按匹配度排序
- Arduino 无源蜂鸣器 音乐播放实验
- 浏览器截屏程序源代码（C++）
- android脸萌app源码
- ERP制造与财务管理
- Qt串口编程第三方类qextserialport-1.2win-alpha.zip
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明