田猛
- 作品数：6 被引量：17H指数：2
- 供职机构：安徽大学更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金安徽大学博士科研启动基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- L_(1/2)稀疏约束卷积非负矩阵分解的单通道语音增强方法被引量：10
- 2017年
- 为了刻画语音信号帧间相关性和使用更少的语音基表示语音特征,提出一种采用L_(1/2)稀疏约束的卷积非负矩阵分解方法进行单通道语音增强。首先,进行噪声学习得到噪声基;然后,以噪声基为先验信息结合L_(1/2)稀疏约束卷积非负矩阵分解方法学习含噪语音中的语音基成分;最后,利用学习到的语音基和系数重建出干净语音信号。在不同噪声环境下进行的实验结果表明,本文方法优于采用L_1稀疏约束的卷积非负矩阵方法及传统的统计语音增强方法。
- 路成田猛周健王华彬陶亮
- 关键词：语音增强非负矩阵分解可懂度稀疏性语音质量幅度谱
- 一种基于稀疏表示和先验概率相结合的目标跟踪算法
- 本发明针对遮挡、旋转、姿态变化和运动模糊问题，提出了一种基于稀疏表示和先验概率相结合的目标跟踪算法。通过先验概率衡量目标模板的重要性，将模板的重要性引入到正则化模型中，并作为模板更新的主要依据，从而获得一种新的候选目标稀...
- 周健田猛
- 基于稀疏表示和非负矩阵分解理论的目标跟踪算法研究
- 目标跟踪是计算机视觉和模式识别领域当前的研究热点问题之一，并且在诸如智能导航、自动监控、军事防御、人机交互等方面有着广泛的实际应用。虽然目标跟踪经过几十年的发展已经有了很大的进步，但仍然无法彻底解决遮挡、旋转、姿态变化和...
- 田猛
- 关键词：机器视觉目标跟踪图像识别图像处理
- 联合模板先验概率和稀疏表示的目标跟踪被引量：5
- 2016年
- 目的虽然基于稀疏表示的目标跟踪方法表现出了良好的跟踪效果,但仍然无法彻底解决噪声、旋转、遮挡、运动模糊、光照和姿态变化等复杂背景下的目标跟踪问题。针对遮挡、旋转、姿态变化和运动模糊问题,提出一种在粒子滤波框架内,基于稀疏表示和先验概率相结合的目标跟踪方法。方法通过先验概率衡量目标模板的重要性,并将其引入到正则化模型中,作为模板更新的主要依据,从而获得一种新的候选目标稀疏表示模型。结果在多个测试视频序列上,与多种流行算法相比,该算法可以达到更好的跟踪性能。在5个经典测试视频下的平均中心误差为6.77像素,平均跟踪成功率为97%,均优于其他算法。结论实验结果表明,在各种含有遮挡、旋转、姿态变化和运动模糊的视频中,该算法可以稳定可靠地跟踪目标,适用于视频监控复杂场景下的目标跟踪。
- 田猛路成周健施汉琴陶亮
- 关键词：目标跟踪先验概率粒子滤波正则化模型
- 采用稀疏和平滑双约束的增量正交映射非负矩阵分解目标跟踪被引量：1
- 2017年
- 针对目标跟踪在遮挡和尺度变化等复杂背景下跟踪性能下降问题,联合稀疏约束、时间平滑约束以及增量投影非负矩阵分解,提出一种在线目标跟踪算法.首先利用非负矩阵分解学习一个基于部分表示的子空间,在此基础上添加稀疏约束提高处理遮挡能力,添加时间平滑约束提高算法的稳定性;然后用增量方式完成子空间的在线更新,减少算法计算量、提高外观模型更新效率;最后在粒子滤波框架下,以重构误差为基础改进了观测似然函数,将具有最大后验概率的候选目标作为目标在当前帧的图像区域.实验结果表明,在各种含有遮挡和尺度变化的视频中,该算法可以更稳定地跟踪目标.
- 王华彬田猛周健周健施汉琴
- 关键词：非负矩阵分解粒子滤波
- 一种基于稀疏表示和先验概率相结合的目标跟踪方法
- 本发明针对遮挡、旋转、姿态变化和运动模糊问题，提出了一种基于稀疏表示和先验概率相结合的目标跟踪算法。通过先验概率衡量目标模板的重要性，将模板的重要性引入到正则化模型中，并作为模板更新的主要依据，从而获得一种新的候选目标稀...
- 周健田猛
- 文献传递
