搜索资源列表
BGM
- 本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法。 它以一种改进的自适应 混合高斯模型为背景更新方法,用连通区检测算法分割出前景目标,以 Kalman滤波为运动模型实现对运动目标的连续跟踪。在目标跟踪时,该算法针对目标遮挡引起的各种可能情况.
DSPmubiaogenzong
- 基于dsp的目标跟踪和检测算法的研究和实现,研究了图像跟踪系统的基本工作原理,以及图像跟踪和相关匹配所使用的一些基本技术。详细介绍了SUSAN算子在边缘检测和角点检测方面的应用。并基于SSCD相似性度量准则提出了一个新的加权的SSCD准则,并对几种度量准则进行对比分析,最后在选取模板和模板更新上选用了多子模板的策略,这样能更有效的减小部分遮挡和旋转带来的影响。
PF_with_clutters
- 在粒子滤波加颜色直方图实现了视频目标跟踪的基础上,加了遮挡处理。即当目标被遮挡的时候进行了特殊的处理,当目标重新出现的时候能够继续对目标进行跟踪,不失跟。
BackgroundLayerObjectTracking
- 一篇关于分层跟踪的文章,将遮挡问题,通过将背景和目标分层描述来解决
TrackEye_SourceCode
- 该工程是用C++实现的在视频中自动识别人眼、人脸,并跟踪,在目标移动速度较慢和无遮挡时,实时性和稳定性较好-this object is to detect and track the human eyes and face,the effect is well if the human move slowly and without occlusion
MouseMeter
- 这是个基于VB版的鼠标钩子程序,程序适时跟踪计算鼠标坐标、移动距离、像素转换等,还可以设置窗口永远在最上层,不遮挡!-This is based on the VB version of the mouse hook procedure, timely follow-up procedures for calculating the coordinates of the mouse, move distance, pixel conversion, you can set the window
camshiftdemo
- Gary R.Bradski提出CamShift算法,即"Continuously Adaptive Mean-Shift"算法。是以颜色直方图为目标模式的目标跟踪算法,可以有效地解决目标变形和部分遮挡的问题,而且运算效率很高。在视频跟踪过程中,CAMSHIFT算法利用选定目标的颜色直方图模型得到每帧图像的颜色投影图,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,得到当前帧中目标的尺寸和质心位置。-Gary R. Bradski CamShift proposed algorithm,
mubiaogenzong
- 遮挡情况下基于特征相关匹配的目标跟踪算法。先对目标灰度性质做出判断,然后根据灰度单一或是丰富来合理选择边缘相关匹配或者是基于多子块的灰度相关匹配来解决遮挡情况下的刚性目标跟踪问题-Based on the characteristics of shelter-related cases that match the target tracking algorithm. First aim to determine the nature of gray, then gray or a single
6
- 本文提出一种复杂条件下基于子空间梯度方向直方图跟踪的方法, 实验结果表明,该方法能够在光照变化、噪声干扰、模糊、目标姿态和尺度改变,以及部分遮挡等恶劣条件下实现准确跟踪,比传统的跟踪方法具有更高的跟踪精度和跟踪鲁棒性,能够满足地面侦察任务在多种复杂条件下对感兴趣目标进行准确跟踪的需求-In this paper, under the conditions of a complex gradient direction histogram based on subspace tracking me
robust
- 对背景干扰及遮挡鲁棒的视频目标跟踪算法robust-Background interference and occlusion of the video object tracking algorithm robust
wersf
- 智能视频监控是利用计算机视觉技术对摄像机采集的视频数据进 行分析、理解,并以此为基础对视频监控系统进行控制。由于单个摄 像机都视野域有限,监控大范围场景时需要使用多摄像机系统。智能 视频跟踪系统中多个摄像机的使用有利于解决遮挡问题,场景混乱、 环境光照突变情况下的运动目标跟踪等问题。 而且基于多摄像机的视 频跟踪在高级人机交互、视频会议、医疗诊断以及基于内容的存储与 检索等方面有广泛的应用前景和潜在的经济价值-Intelligent video surveillance
mean-shift-tracking
- 用mean-shift算法实现目标在线跟踪,在发生光照变化,遮挡等情况时都能准确的跟踪目标-Using the Mean-shift algorithm to achieve the goal of online tracking, and accurate tracking of the target can occur illumination changes, occlusion, etc.
An-Object-Tracking-Method-
- 室外场景下由于场景背景条件变化容易导致视频目标跟踪稳定性差。该文提出一种利用红外和可见光传感 器的双通道视频目标跟踪方法。该算法利用可见光图像的目标颜色特征和红外图像的目标轮廓特征,结合均值漂移 算法与水平集曲线演化实现目标定位,并给出了目标尺度和模板更新方法;对多目标跟踪的互相遮挡问题,通过判 断目标合并与分离实现遮挡时多个目标的定位。实验结果表明,该文方法能够有效处理光照变化、阴影、遮挡等情 况,实现目标的稳定跟踪。-Considering the poor stabilit
object-tracking--with-occlusion
- 这是几篇关于目标跟踪中目标被遮挡情况的文献资料,比较全面。-This is a few on the target tracking target is occluded by literature data, more comprehensive.
123
- CNKI上下的关于解决目标跟踪中遮挡问题的文献。-CNKI up and down on the settlement of the occlusion target tracking literature.
IBaseonOpenCVn
- 在介绍Intel公司的开源OpenCV计算机视觉库的基础上,采用CAMSHIFT跟踪算法,实现运动目标跟踪,解决决了跟踪目标发生存在旋转或部分遮挡等复杂情况下的跟踪难题。实验结果表明该算法的有效性、优越性和可行性。 已通过测试。 -Based on the introduction of Intel' s open source OpenCV computer vision library, the CAMSHIFT tracking algorithm to achieve the
pedestrianMatching
- 跨摄像头行人识别是目前摄像头网络智能监控的一个重点研究方向。通过对不同摄像头中出现的行人进行匹配,可以实现跨摄像头的行人跟踪,有效的扩大监控的视野,同时能对行人在整个监控区域内的行为有着更加清晰的把握。 由于在不同的摄像头中,光照条件不同、行人的姿势以及尺度不同、遮挡等等,使得行人的匹配极具挑战性。在本文件中,我主要研究通过行人的表观特征进行识别,例如颜色、纹理等等。用matlab GUI 编写了程序 -Pedestrian recognition of the inter-camera
mean-shift-application-and-test
- 经典的均值漂移法,用于单目标检测跟踪,具有一定的鲁棒性,对遮挡问题跟踪效果不好,存在漏跟。-singe object tracting classic mean shift algorithm robust but not well in some condition
IPF__with_clun
- 在粒子滤波加颜色直方图实现了视频目标跟踪的基础上,加了遮挡处理。即当目标被遮遮挡的时候进行了特殊的处理,当目标重新出现的时候能够继续对目标进行跟踪,不失跟。 -Particle filter add color histogram on the basis of the video target tracking, plus a block. That is, when the target is obscured by cover the special treatment, be abl
Ivideo_trackin
- 介绍了视频遮挡情况下的目标跟踪算法,提出了一种基于概率外观模型型和condensation的跟踪算法,对学习多媒体的朋友有所帮助 -Video under occlusion target tracking algorithm is proposed based on the probability of appearance of the model type and condensation of the tracking algorithm, multimedia learning f