刘锴
- 作品数：3 被引量：3H指数：1
- 供职机构：厦门大学信息科学与技术学院更多>>
- 发文基金：国家教育部博士点基金国家部委资助项目国防科技重点实验室基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于排序支持向量机的目标跟踪算法研究
- 近年来，计算机视觉中的目标跟踪技术在各个领域的应用越来越广泛，而目标跟踪算法也随着研究的深入而不断加强。然而要想实现对视频目标的鲁棒性跟踪，仍然需要克服目标外观形变、光照变化、快速运动、遮挡问题等干扰。 本文将视觉目标...
- 刘锴
- 关键词：目标跟踪算法红外视频多特征融合
- 文献传递
- 基于排序支持向量机的多特征融合目标跟踪算法被引量：2
- 2014年
- 针对计算机视觉领域的目标跟踪问题,提出一种基于排序支持向量机的多特征融合目标跟踪算法。利用排序支持向量机学习得到排序函数,提取2种不同的图像特征分别构造分类器,使2个排序支持向量机并行预测,分别计算2个分类器的错误率,从而得到分类器权重完成融合。实验结果表明,与目前主流的跟踪算法相比,该算法的跟踪结果更准确,在复杂视频环境下也能对目标进行稳定跟踪,具有较强的鲁棒性。
- 刘锴戴平阳江晓莲李翠华
- 关键词：目标跟踪多特征融合分类器鲁棒性
- 基于视觉显著性的Wang-Landau蒙特卡罗采样突变目标跟踪算法被引量：1
- 2013年
- 突变运动目标的鲁棒跟踪是计算机视觉领域的一个具有挑战性的问题.提出了一种基于视觉显著性的Wang-Landau蒙特卡罗采样(WLMC)跟踪算法,用于解决复杂场景下目标发生运动突变的跟踪问题.该算法首先对全局场景进行分块获取子区域,然后使用WLMC方法进行目标状态采样来跟踪发生运动突变的目标.算法将视觉显著性作为先验引入跟踪框架,提出了结合显著性先验的接受函数,通过每个子区域的显著性计算来引导马尔可夫链的构造.和以往方法相比,该算法既保留了WLMC采样方法对全局状态空间的广度覆盖性,又以视觉显著性特性引导采样,避免了全局采样的盲目性,从而提高采样效率.实验结果表明,该算法对发生运动突变的目标进行跟踪,具有良好的鲁棒性.
- 江晓莲李翠华刘锴刘薇
- 关键词：视觉显著性
