基于灰度共生矩阵和Mean Shift的目标跟踪算法

针对运用单一颜色特征描述运动目标时抗干扰性较差的问题,提出一种融合灰度共生矩阵和颜色特征的Mean-Shift目标跟踪算法.采用灰度共生矩阵推导的6个纹理特征参数和颜色特征分别表征跟踪目标,引入马氏距离计算纹理特征的相似度,并结合Bhattacharyya系数计算颜色特征的相似度,同时利用Mean Shift算法进行目标定位.实验表明,改进算法能在复杂背景下,有效、准确地实现目标跟踪.     

基于目标背景加权的核跟踪

在核跟踪(Mean Shift跟踪)算法中,目标的表示方法对跟踪性能有很重要的影响.传统的核跟踪算法只是通过计算目标模型和候选目标模型,对目标进行跟踪,没有消除背景的影响,特别是目标与背景相近的情况.对此,提出了一种目标背景加权的核跟踪算法,该算法是在跟踪过程中对目标模型进行背景加权,并且在目标的表示中采用颜色纹理联合直方图.为了验证跟踪的可靠性,利用跟踪位置与目标位置之间偏移量的均值和方差进行衡量.实验结果表明,与传统的跟踪算法相比,该算法在目标的表示和跟踪性能上有很大的提高.     

复杂背景下一种有效的Mean Shift目标跟踪算法

提出了一种改进的Mean shift目标跟踪算法,该方法能够有效的排除非目标点对跟踪结果的影响,并且得到新的权值,增强了该像素属于目标的可能性,削弱了背景信息对目标模型的影响,提高了在复杂背景下对运动目标跟踪的鲁棒性.实验表明该方法能够有效实现复杂场景下的目标跟踪.     

基于特征融合的改进粒子滤波目标跟踪算法

针对复杂背景下单一的颜色特征不能准确跟踪目标的问题,提出了一种改进的目标跟踪算法。该算法利用跟踪目标的颜色特征和运动边缘特征来表示目标。在粒子滤波的框架下融合特征信息从而进行目标跟踪,能够有效地避免单一颜色特征在跟踪过程中受到相似背景、遮挡等问题的干扰。通过与基于单一颜色特征跟踪实验误差数据的分析,实验结果表明该算法在复杂背景以及目标遮挡等情况下能达到较好的目标跟踪效果,实现目标的准确跟踪。     

基于ICLBP的多特征自适应加权融合目标跟踪算法

针对Mean Shift跟踪算法中使用单一的特征对目标进行描述而导致跟踪算法鲁棒性不高的问题,提出了一种多特征融合的目标跟踪算法.该算法选取HSV颜色特征和ICLBP纹理特征,建立目标模型的概率密度.根据目标区域确定背景区域,计算不同特征对目标和背景的区分性度量值,并以此设定和更新特征融合权值.使用特征融合权值系数建立...     

UKF与Mean shift算法相结合的实时目标跟踪

针对Mean shift(即MS)算法理论上的不足以及跟踪目标时的邻域跟踪局限性,提出将Mean shift算法与尺度无迹卡尔曼滤波器(Scaled unscented Kalman filter,SUKF)相结合的实时目标跟踪算法.该算法利用尺度无迹卡尔曼滤波器获取Mean shift算法的初始位置,然后,利用Mean shift算法获取跟踪位置.通过分析跟踪区域内横纵向直线的统计变化获取目标的尺度变化,依此自适应调节Mean shift跟踪算法中核函数带宽,并对高速公路上快速运动的车辆进行跟踪实验.研究结果表明:该算法与固定核窗宽Mean shift算法相比,对目标跟踪更准确;SUKF 滤波使MS的迭代次数减少,跟踪的实时性提高;核窗宽自适应调节可使跟踪误差降低到50%以下.     

基于多特征融合的改进UPF目标跟踪算法

针对单特征目标跟踪算法的鲁棒性较差以及不能充分利用最新的量测信息等问题,提出了一种基于多特征融合的改进UPF(Unscented Particle Filter)跟踪算法.基于比例最小偏度单形采样策略的UKF(Unscented Kalman Filter)算法和IKF(Iterated Kalman Filter)算法对粒子滤波算法进行改进,并在改进的算法框架下,采用不确定性度量方法融合目标的颜色和纹理特征,对目标进行跟踪.仿真实验表明,改进算法提高了跟踪精度,对复杂背景下的目标进行跟踪有较好的效果,并能有效跟踪被遮挡的目标.     

多特征联合的尺度和方向自适应meanshift跟踪算法

经典meanshift跟踪算法因其具有计算量小、实时性强等优点而得到广泛应用。但在目标发生缩放、旋转、光照变化以及目标颜色与周围背景颜色难以区分等情况下,经典meanshift算法的鲁棒性不佳,目标定位精度不高,算法稳定性不好。鉴于此,本文提出一种联合颜色和纹理直方图表示的meanshift算法,其中本文用到的局部二值模式LBP是基于分块思想改进的纹理算子,有效地提取边缘和角点等主要目标模式来更加精炼地表示目标;另外,通过有效利用目标候选区域的矩信息,来解决跟踪目标运动中尺度和方向的变化的问题。通过不同场景视频跟踪实验表明,与经典meanshift算法及改进前的联合特征表示方法相比,文中提出的改进算法在上述复杂场景下的目标跟踪具有更高的稳定性和鲁棒性。     

红外序列图像目标的高效跟踪

针对Mean shift算法中仅使用灰度特征难于实现对红外序列图像目标准确跟踪的问题,提出了利用边缘-灰度特征相融合的目标跟踪算法.为了实现红外序列图像中目标的高效跟踪,在研究Mean shift灰度特征的基础上,根据红外序列图像的边缘方向信息与灰度信息构建了边缘-灰度目标模型,将此模型应用到目标跟踪算法中,提高了Mean shift算法在红外序列图像目标跟踪过程中的运算能力.实验证明,该方法能够增加灰度直方图对目标模型的描述能力,提高了目标跟踪算法的鲁棒性.     

基于特征学习与特征记忆模板更新机制的粒子滤波跟踪

目标运动的多样性以及背景环境的复杂性是影响目标跟踪鲁棒性的主要原因.受背景颜色、光照以及姿态尺度变化等因素的影响,目标模板更新精度不高、目标跟踪鲁棒性差.针对此类问题,提出了一种基于特征学习与特征记忆的模板更新机制,通过构建目标模板库,保存丰富的运动目标信息,采用粒子滤波跟踪算法,将候选模板与模板库中的目标信息进行匹配,确定目标状态实现跟踪.实验结果表明,该算法以更丰富的目标信息进行跟踪,比传统目标模板更新策略的粒子滤波算法具有更高的跟踪精度和更强的鲁棒性.     

浅析面向对象分析中对象的识别

本重点介绍了对象的概念、面向对象分析技术中标识潜在对象的方法、利用coad和yourdon分析法筛选潜在对象的技术等。同时结合实例进行了剖析。     

Jsp中作用域通信对象的研究与比较

文章首先介绍了三种Jsp作用域通信对象：Pagecontext对象、Session对象和Application对象,最后举例说明这三种对象在实际应用中的区别.     

ObjectCore的设计与实现

对象存储技术是对象管理系统 OMS(object management system)的核心。现在有许多可以使用的面向对象的数据库系统,如:ConceptBase,ENCORE,Orion,POSTGRES,Rose,02,ObjectStore,Ontos,Iris,OpenODB,GemStone,Versant 等。但是这些对象数据库系统不适合作为软件过程工程环境 ISPE(integrated software process environment)的对象存储技术,它们过于庞大和复杂。主要对ObjectCore-软件过程环境 ISPE(integrated software process environment)中,对象管理系统的存储部分进行了讨论,并对对象管理系统中,对象存储技术的几个重要方面进行了分析。     

HMCAIC软件开发中的对象行为模型和对象交互模型的设计

:结合HMCAIC软件开发实际,论述软件中主要的对象行为模型(ObjectBehaviour Models—OBM)和对象间的交互模型(ObjectInteractive Models—OIM)的设计.通过应用OSA 方法建立对象模型,清晰地勾勒出软件模块,为软件的详细设计和程序代码实现奠定坚实的基础     

基于学习对象的课程构建

在学习对象概念的基础上,结合学习资源构建标准提出了一种课程构建思想。并深入讨论可重用学习对象(RLO)在课程设计中的运用以及内部元素构建原则,为课程设计开发人员提供一个基于学习对象的模板进行教学课程设计开发。学习对象构件可相互组合并快速更新,提高了课程的重用性。     

面向对象的WEB发布技术

对象的WEB发布是指利用面向对象的方法组织信息,并通过WEB服务器向Internet发布。在对象发布机制中,信息的相关部分被封装在可发布的对象中,对象的发布属性则由类来进行定义,而访问网络资源的URL地址则称为访问对象的路径。HTTP协议不但可以保证向对象发送消息,而且也可以保证接收对象的响应结果。一个类的实例生成后,其状态可以得到持续,持续将实例的当前状态存放在对象数据库中。利用这种面向对象的信息发布技术,不仅使用网络的信息发布变得像搭积木一样方便,而且使管理、维护和升级变得非常容易,同时也可以大大提高用户和网站之间的交互性。     

EDDBMS存取机制的设计与实现

介绍了一种面向对象的工程数据库管理系统的存取机制，根据面向对象语义模型的特点，提出了一种适合于类、对象的存储模型以及一种可查询类层次对象和单类对象的复合对象索引机制，对象标识的选择便于对象的查询，在此之上实现了复杂对象的存储管理     

试论对象和对象模型

首先讨论面向对象技术的两个基本概念：对象和类，然后提出用于分析、设计和实现软件系统的对象模型。     

Application of PowerBuilder user objects in developing distributed programs

User Objects are the basement in developing distributed PowerBuilder applications. There are two kinds of PowerBuilder objects: visual objects and non-visual objects. Usually we use non-visual objects to perform the PowerBuilder distriuted application. This paper introduces the method of developing PowerBuilder distributed application program, mainly discusses the application of nonvisual objects when developing PowerBuilder distributed application programs. Biography: Wang Li-fu (1970-), male, Master, Engineer, research interest: communications.     

一种用于Web应用程序测试的对象模型

Web应用程序开发的复杂性使得Web应用程序测试技术的研究成为软件测试领域的研究热点。提出了一种用于Web应用程序测试的对象模型,该模型从便于测试的角度将Web应用程序抽象成三种对象:客户端对象、服务端对象和组件对象。与以往的模型相比较,该模型不仅有助于测试人员理解Web应用程序,也有助于测试用例的直接提取。