期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于谱聚类和增量学习的运动目标物体检测算法研究
被引量：
2
1
作者
黄伟
杨文姬
+2 位作者
曾璟
曾舒如
陈光
《西北工业大学学报》
EI
CAS
CSCD
北大核心
2017年第1期170-176,共7页
运动目标物体检测是计算机视觉领域的热门研究方向之一。该方向的一些复杂问题,例如:环境光照变化、目标物体部分/全遮挡、目标物体刚性/非刚性形变等,仍极具挑战性,并制约检测算法效果的进一步提高。为此,提出了一种新颖的运动目标物...
运动目标物体检测是计算机视觉领域的热门研究方向之一。该方向的一些复杂问题,例如:环境光照变化、目标物体部分/全遮挡、目标物体刚性/非刚性形变等,仍极具挑战性,并制约检测算法效果的进一步提高。为此,提出了一种新颖的运动目标物体检测算法。该算法采用了增量学习技术,融合了视频相邻帧在空间和时间上的高相关性,在每个测试帧上都利用其相邻帧的训练数据进行模型的自学习与更新,从而保证了模型在不同环境或复杂背景下能自动调整。为了实现模型学习,还提出并采用了一种新颖的谱聚类技术。该算法通过一个由1 000多帧的视频数据库验证,采用统计学中的方差分析和多重对比等实验手段,综合分析了该算法与其他同类经典算法的效果。通过大量统计分析,结果表明,该新颖检测算法比传统算法在运动目标物体检测的准确性和鲁棒性上都有明显提高。
展开更多
关键词
算法
谱聚类
增量学习
运动目标物体
检测
下载PDF
职称材料
题名
基于谱聚类和增量学习的运动目标物体检测算法研究
被引量：
2
1
作者
黄伟
杨文姬
曾璟
曾舒如
陈光
机构
南昌大学信息工程学院
江西农业大学软件学院
华中光电技术研究所
西安通信学院
出处
《西北工业大学学报》
EI
CAS
CSCD
北大核心
2017年第1期170-176,共7页
基金
国家自然科学基金(61403182
61363046)资助
文摘
运动目标物体检测是计算机视觉领域的热门研究方向之一。该方向的一些复杂问题,例如:环境光照变化、目标物体部分/全遮挡、目标物体刚性/非刚性形变等,仍极具挑战性,并制约检测算法效果的进一步提高。为此,提出了一种新颖的运动目标物体检测算法。该算法采用了增量学习技术,融合了视频相邻帧在空间和时间上的高相关性,在每个测试帧上都利用其相邻帧的训练数据进行模型的自学习与更新,从而保证了模型在不同环境或复杂背景下能自动调整。为了实现模型学习,还提出并采用了一种新颖的谱聚类技术。该算法通过一个由1 000多帧的视频数据库验证,采用统计学中的方差分析和多重对比等实验手段,综合分析了该算法与其他同类经典算法的效果。通过大量统计分析,结果表明,该新颖检测算法比传统算法在运动目标物体检测的准确性和鲁棒性上都有明显提高。
关键词
算法
谱聚类
增量学习
运动目标物体
检测
Keywords
algorithms, spectral clustering, incremental learning, moving targets, detection, analysis of variance （ANOVA）, clustering, constrained optimization, pixels, support vector machines, target tracking
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于谱聚类和增量学习的运动目标物体检测算法研究
黄伟
杨文姬
曾璟
曾舒如
陈光
《西北工业大学学报》
EI
CAS
CSCD
北大核心
2017
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
