为了解决移动机器人快速精准检测和跟踪目标的问题,提出一种基于目标颜色和目标形状的自主跟踪目标的算法,该算法在TLD(tracking-learning-detection)框架下,用KCF(核相关滤波器)算法在TLD(tracking-learning-detection)框架下替换的跟...为了解决移动机器人快速精准检测和跟踪目标的问题,提出一种基于目标颜色和目标形状的自主跟踪目标的算法,该算法在TLD(tracking-learning-detection)框架下,用KCF(核相关滤波器)算法在TLD(tracking-learning-detection)框架下替换的跟踪器,并采用HOG(Histogram of Gradient)特征和CN(Color Names)颜色特征的目标识别方法,让HOG特征与CN颜色特征相互补充,并在该算法的基础上设计了一款基于视觉目标跟踪的全向轮移动机器人。实验结果表明,该目标跟踪算法具有较好的实时性、精准度和鲁棒性,提升机器人在遮挡处理和目标丢失等情况的鉴别能力。采用该视觉目标跟踪的机器人的目标跟踪精度可以达到91.5%,跟踪成功率达到71.2%。展开更多
针对跟踪-学习-检测(Tracking-Learning-Detection,TLD)算法跟踪模块所用金字塔光流法计算量大,跟踪人脸实时性差的问题,提出融合连续自适应均值漂移(Continuously Adaptive Mean Shift,CamShift)的TLD算法提高人脸跟踪效率.改进的TLD...针对跟踪-学习-检测(Tracking-Learning-Detection,TLD)算法跟踪模块所用金字塔光流法计算量大,跟踪人脸实时性差的问题,提出融合连续自适应均值漂移(Continuously Adaptive Mean Shift,CamShift)的TLD算法提高人脸跟踪效率.改进的TLD算法框架中跟踪模块选用CamShift算法实现目标人脸跟踪,检测模块采用滑动窗法扫描搜索,再使用分类器判断目标是否存在,学习模块根据跟踪模块和检测模块的结果对比评估错误和误差,更新目标模型.将改进的TLD算法分别与CamShift算法和TLD算法进行对比试验,结果表明,融合CamShift的TLD算法实现人脸跟踪效率和准确率均高于原始两种算法,且满足实时性要求.展开更多
文摘为了解决移动机器人快速精准检测和跟踪目标的问题,提出一种基于目标颜色和目标形状的自主跟踪目标的算法,该算法在TLD(tracking-learning-detection)框架下,用KCF(核相关滤波器)算法在TLD(tracking-learning-detection)框架下替换的跟踪器,并采用HOG(Histogram of Gradient)特征和CN(Color Names)颜色特征的目标识别方法,让HOG特征与CN颜色特征相互补充,并在该算法的基础上设计了一款基于视觉目标跟踪的全向轮移动机器人。实验结果表明,该目标跟踪算法具有较好的实时性、精准度和鲁棒性,提升机器人在遮挡处理和目标丢失等情况的鉴别能力。采用该视觉目标跟踪的机器人的目标跟踪精度可以达到91.5%,跟踪成功率达到71.2%。
文摘针对跟踪-学习-检测(Tracking-Learning-Detection,TLD)算法跟踪模块所用金字塔光流法计算量大,跟踪人脸实时性差的问题,提出融合连续自适应均值漂移(Continuously Adaptive Mean Shift,CamShift)的TLD算法提高人脸跟踪效率.改进的TLD算法框架中跟踪模块选用CamShift算法实现目标人脸跟踪,检测模块采用滑动窗法扫描搜索,再使用分类器判断目标是否存在,学习模块根据跟踪模块和检测模块的结果对比评估错误和误差,更新目标模型.将改进的TLD算法分别与CamShift算法和TLD算法进行对比试验,结果表明,融合CamShift的TLD算法实现人脸跟踪效率和准确率均高于原始两种算法,且满足实时性要求.
