一种基于加权模型约束的寻优匹配目标跟踪方法

    公开(公告)号:CN107833239A

    公开(公告)日:2018-03-23

    申请号:CN201711029450.3

    申请日:2017-10-26

    CPC classification number: G06T7/223 G06T7/11 G06T2207/10016 G06T2207/20081

    Abstract: 本发明提供一种基于加权模型约束的寻优匹配目标跟踪方法,涉及计算机视觉技术领域。该方法以第一帧图像为训练图像,建立带权目标模型,逐帧读取视频图像,并以前一帧为基础得到当前帧的匹配前景区域,利用双向最优相似匹配方法进行目标检测,得到跟踪结果区域;当帧数大于6时,利用距离决策方法对发生误匹配的情况进行重构;当帧数为5的倍数时,根据当前帧的跟踪结果和当前带权目标模型进行加权融合来更新带权目标模型。本发明的方法用于对视频图像序列进行目标跟踪,能防止目标在发生形变、局部遮挡时因目标特征匹配不完全而导致跟踪偏移问题,并能避免背景信息的干扰,保证匹配到的目标更准确。

    一种基于加权模型约束的寻优匹配目标跟踪方法

    公开(公告)号:CN107833239B

    公开(公告)日:2021-05-18

    申请号:CN201711029450.3

    申请日:2017-10-26

    Abstract: 本发明提供一种基于加权模型约束的寻优匹配目标跟踪方法,涉及计算机视觉技术领域。该方法以第一帧图像为训练图像,建立带权目标模型,逐帧读取视频图像,并以前一帧为基础得到当前帧的匹配前景区域,利用双向最优相似匹配方法进行目标检测,得到跟踪结果区域;当帧数大于6时,利用距离决策方法对发生误匹配的情况进行重构;当帧数为5的倍数时,根据当前帧的跟踪结果和当前带权目标模型进行加权融合来更新带权目标模型。本发明的方法用于对视频图像序列进行目标跟踪,能防止目标在发生形变、局部遮挡时因目标特征匹配不完全而导致跟踪偏移问题,并能避免背景信息的干扰,保证匹配到的目标更准确。

    一种基于先验模型约束的抗干扰轮廓跟踪方法

    公开(公告)号:CN106780564B

    公开(公告)日:2019-05-14

    申请号:CN201710071152.4

    申请日:2017-02-09

    Abstract: 本发明提供一种基于先验模型约束的抗干扰轮廓跟踪方法,该方法采用SLIC算法和均值漂移聚类算法建立待跟踪视频图像的初始先验模型作为目标模型,采用目标模型的目标特征分布对当前帧图像进行水平集演化,采用SLIC算法和均值漂移聚类算法确定当前帧图像的目标区域,并根据当前图像遮挡情况进行先验模型的更新;本发明方法去除了图像跟踪过程中图像中非目标信息的干扰,使得先验模型对目标的描述更准确。保证模型的准确性。

    一种基于高维重叠数据分析的子空间聚类方法

    公开(公告)号:CN107832791A

    公开(公告)日:2018-03-23

    申请号:CN201711074990.3

    申请日:2017-11-06

    CPC classification number: G06K9/6218 G06K9/6232

    Abstract: 本发明提供一种基于高维重叠数据分析的子空间聚类方法,涉及机器学习技术领域。该方法针对需要聚类的数据矩阵建立加权的混合范数子空间表示模型,利用线性交替方向法得到加权的混合范数子空间表示模型中优化后的系数矩阵,根据优化后的系数矩阵建立相似度矩阵,应用谱聚类算法对相似度矩阵进行子空间划分,得到初始聚类结果,建立子空间的重叠概率模型,采用重叠概率模型应用于初始子空间划分结果中,对子空间进行重叠判断,校验子空间聚类结果,得到最终的聚类结果。本发明提供的一种基于高维重叠数据分析的子空间聚类方法,能提高同一子空间数据的稠密性和不同子空间数据的稀疏性,提高聚类的准确率。

Patent Agency Ranking