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
高斯混合模型结合加权似然的目标跟踪算法
被引量：
3
1
作者
陈超
《计算机工程与应用》
CSCD
北大核心
2019年第12期124-131,共8页
鉴于高斯混合模型对背景变化快时无法精确检测出目标和目标跟踪的适应性差等瑕疵,提出了基于加权似然跟踪器来改进高斯混合模型实现运动目标跟踪算法。主要引入了自适应高斯混合模型来实时检测运动目标,然后空间加权似然来进行视频中的...
鉴于高斯混合模型对背景变化快时无法精确检测出目标和目标跟踪的适应性差等瑕疵,提出了基于加权似然跟踪器来改进高斯混合模型实现运动目标跟踪算法。主要引入了自适应高斯混合模型来实时检测运动目标,然后空间加权似然来进行视频中的目标定位,引入加权似然期望值来改进高斯混合模型处理视频中的多尺度、多角度变化的目标跟踪不精准问题。通过VOT 2014 dataset 对比实验结果表明提出的基于加权似然跟踪(Weighted Like-lihood Tracking,WLT)和改进高斯混合模型(Improved Gaussian Mixture Model,IGMM)的目标跟踪算法较传统高斯混合模型跟踪算法在跟踪的精度有较大提高。在应对多尺度、多角度变化的目标跟踪表现出了较大的优势。
展开更多
关键词
改进高斯混合模型
分数阶导数学习率
目标跟踪算法
加权似然跟踪
期望值最大化
下载PDF
职称材料
题名
高斯混合模型结合加权似然的目标跟踪算法
被引量：
3
1
作者
陈超
机构
内江师范学院四川省数据恢复重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2019年第12期124-131,共8页
基金
四川省应用基础研究计划(No.2015JY0120)
四川省高校科研创新团队项目(No.15JD0027)
内江师范学院科研项目(No.15JC09)
文摘
鉴于高斯混合模型对背景变化快时无法精确检测出目标和目标跟踪的适应性差等瑕疵,提出了基于加权似然跟踪器来改进高斯混合模型实现运动目标跟踪算法。主要引入了自适应高斯混合模型来实时检测运动目标,然后空间加权似然来进行视频中的目标定位,引入加权似然期望值来改进高斯混合模型处理视频中的多尺度、多角度变化的目标跟踪不精准问题。通过VOT 2014 dataset 对比实验结果表明提出的基于加权似然跟踪(Weighted Like-lihood Tracking,WLT)和改进高斯混合模型(Improved Gaussian Mixture Model,IGMM)的目标跟踪算法较传统高斯混合模型跟踪算法在跟踪的精度有较大提高。在应对多尺度、多角度变化的目标跟踪表现出了较大的优势。
关键词
改进高斯混合模型
分数阶导数学习率
目标跟踪算法
加权似然跟踪
期望值最大化
Keywords
improved
gaussian
mixture model
(
igmm
)
fractional
derivative
learning
rate
target
tracking
algorithm
Weighted
Likelihood
Tracking(WLT)
expectation-maximization
分类号
TP391 [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
高斯混合模型结合加权似然的目标跟踪算法
陈超
《计算机工程与应用》
CSCD
北大核心
2019
3
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
