Go To English Version 超过100万源码资源,1000万源码文件免费下载
  • 论文研究-一种改进的斜巷运动目标跟踪方法研究 .pdf 一种改进的斜巷运动目标跟踪方法研究,刘颖,张晓光,本文在分析现有运动目标跟踪方法的基础上,提出了一种以安全帽为特征的Camshift-Kalman改进的运动目标跟踪算法。先将检测到有安全帽的
  • 论文研究-基于PSO算法的微生物间歇发酵动力学参数辨识.pdf 快速准确地跟踪目标是现代战争精确制导武器的基本要求,提高跟踪系统的实时性和准确性成为国内外目标跟踪技术的热点。建立了一套基于图像的目标自动跟踪系统,介绍了系统组成、设计原理以及算法原理。系统采用了一种非参数化跟踪算法——连续自适应平均值迁移(CAMSHIFT)算法来追踪目标,为精确制导武器的基于图像的目标自动跟踪技术奠定了重要的基础。试验证明该系统实现了目标自动跟踪功能,算法简洁,实时性和鲁棒性好。
  • 论文研究-图像分块重构和LDA融合的人脸识别方法.pdf Camshift是一种应用颜色信息的跟踪算法,它对做加速度的运动物体跟踪效果不够稳定和强壮,从准确预测目标位置及缩小目标搜索范围入手对Camshift算法进行了改进。该算法使用运动目标加速度运动位移方程预测下一时刻目标可能出现的位置,使用预测位置误差方程估计运动目标搜索范围,并使用IIR滤波器对目标运动速度、加速度等参数自适应地修正。实验证明,改进的Camshift有效地克服了Camshift算法自身的缺陷,即使运动目标做加速运动时,也可准确地预测运动目标的位置,缩小目标搜索范围,进而提高目标跟踪速度。
  • 论文研究-改进的高效Camshift跟踪算法.pdf 在分析视觉非线性、对比敏感度、多通道结构等人类基本视觉特性的基础上,提出了一种结合人眼视觉系统特性(HVS)的视频图像质量评价新方法。该方法首先对图像信号进行小波分解,基于小波域提取视觉特征参数,然后建立符合人眼视觉感知特性的图像质量评价指标,在此基础上给出具体评价算法。仿真实验结果表明,在视频图像压缩编码中采用本算法的图像质量评价性能优于传统的客观评价方法。
  • 论文研究-用于图像认证的小波域量化盲水印算法.pdf ... 好的跟踪鲁棒性,但实时性差;Camshift算法计算速度快,但它属于半自动跟踪,所以 ... 背景的干扰。为了解决上述问题,提出了基于Camshift和Particle Filter的融合算法。该算法首先利用 ... Filter来自动搜索小目标的初始位置,接着采用Camshift跟踪小目标,然后通过度量因子自适应切换Camshift和Particle Filter来跟踪短时丢失的目标。利用复杂背景下的飞行小 ... 序列,与序贯相似性检测算法(SSDA)、Camshift和Particle Filter做对比实验。结果表明算法不仅 ...
  • 论文研究-基于Camshift和Particle Filter的小目标跟踪算法.pdf 在非均匀光照下获得的图像往往具有高动态范围。大多数现有的全局对比度增强算法对此种图像效果并不好。一种简化的对数变换公式被提出来解决这一问题,更进一步子块部分重叠方法也被采纳进来实现局部的对比度增强。为了达到优化的目的,两种对比度测度用来寻找优化的变换参数。这些方法合并成一种新的算法POSLT(子块部分重叠的对数变换)。POSLT尽管计算复杂性比较高,但是展示出了良好的性能和可控性。实验结果也显示出了该算法在对比度增强中的局部适应性,有力支持了POSLT。
  • 论文研究-优化的Hierarchical B码率控制算法.pdf CAMSHIFT和基于核的目标跟踪是两种经典的基于Mean Shift的目标跟踪算法,它们的实现过程有许多类似之处。为了说明在实际应用中如何选择合理的跟踪方案,从目标模型、候选模型、核函数、迭代过程等方面对二者进行了深入的比较和分析,指出了二者的特点和区别,对于正确理解和使用这两种方法将会有一定的帮助。
  • 论文研究-CAMSHIFT与基于核的目标跟踪算法的比较与分析.pdf 基于阴影映射算法,提出一种利用反向投影实现的实时软阴影的新算法。算法对每个光源都产生对应的阴影图,使用阴影图作为对场景的离散化表示,引入可见因子来计算场景点的亮度信息,并采用GPU片元着色、层次阴影图、自适应精度等方法加速阴影渲染。实验表明,算法非常适合于实时渲染复杂、动态的场景,可以很好地处理遮挡物的融合,并且很容易在可编程图形硬件上实现。
  • 论文研究-基于OpenCV的人脸检测与跟踪.pdf 随着社会公共安全体系的逐步完善,基于人脸的智能视频监控技术在安全监控、视频分析以及人机交互等场合发挥出越来越重要的作用。传统的Camshift算法虽然能快速地跟踪运动目标,但它不仅需要手动设定跟踪的对象,而且当跟踪对象遇到遮挡和相同颜色障碍物干扰时很容易丢失目标。针对上述问题,在OpenCV的基础上,采用Adaboost,Camshift和Kalman滤波相融合的方法,实现了快速、自动和准确的人脸检测与跟踪。
  • follow.1_add.py Kalman滤波与camshift同时使用的单目标追踪,在python上使用opencv实现,简单使用。