針對傳感器網絡下多目標跟蹤時目標數量不斷變化這一復雜情況，文中對多目標的跟蹤和特征管理方法進行了研究。該方法由數據關聯、多目標跟蹤、特征管理，和信息融合所組成。其中未知數量多目標的跟蹤和數據關聯通過馬爾科夫蒙特卡羅數據關聯實現。通過信息融合來整合本地信息，獲取所有相鄰傳感器的本地一致性，最終實現特征管理。試驗證明，本方法能夠在分布式的傳感器網絡環境下對多目標進行準確有效地跟蹤和特征管理。
標簽： 傳感器網絡 多目標跟蹤 特征 管理方法
上傳時間： 2013-11-18
上傳用戶：wangdean1101
機場道面異物是威脅跑道運行安全的常見病害，及時、準確的檢測異物具有現實意義。針對現有的人工目視檢測方法，本文基于圖像處理理論，提出了一種機場道面異物的自動檢測算法。根據機場道面的復雜背景和常見異物的特點，本文采取了分塊的方法，選擇Harris角點、灰度共生矩陣、灰度級分布范圍等特征，分別用閾值法和SVM法對實際機場道面異物圖像進行檢測。初步實驗證明，該方法可以有效檢測出機場道面復雜背景下的異物，實驗結果顯示，檢測正確率達到了98%。
標簽： 復雜背景 特征分析 檢測
上傳時間： 2013-11-26
上傳用戶：2404
針對人臉識別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區分能力和LDA所具有的判別性優勢來進行特征提取。首先利用Gabor小波變換來提取人臉特征。然后對得到的高維特征采用PCA進行初次降維，再利用LDA實現再次降維，得到最終的特征向量。在ORL和YALE人臉庫上的實驗驗證了該算法的有效性。
標簽： Gabor 特征提取 人臉識別 中的應用
上傳時間： 2013-12-14
上傳用戶：alex wang
頭肩的定位檢測采用了Haar特征和HOG特征的層級分類方法，并根據頭肩的對稱性特點，提出了一種稱為Joint HOG的組合型特征。通過Haar分類器濾除大部分負樣本后，接著用HOG進行精細的驗證從而得到頭肩目標框。實驗表明，本文的方法取得了80%~90%的準確率，并且完全可以用于實時處理。
標簽： Joint HOG 特征 復雜場景
上傳時間： 2013-11-13
上傳用戶：weareno2
在深入的對頻譜臉法和Fisherface方法進行研究后，綜合這兩種方法的優點，提出了一種基于頻譜臉和Fisherface的人臉識別新方法。頻譜臉方法主要是采用二維小波變換和傅立葉變換。因為人臉圖像的低頻部分對人臉的表情變化是不敏感的，所以對人臉圖像使用二維小波變換，提取人臉圖像的低頻部分。對人臉圖像的低頻部分使用傅立葉變換，從而獲得原人像的一個低維空間的表達。但是頻譜臉特征維數仍然較高，所以在頻譜臉法的基礎上繼續提取人臉頻譜圖像的Fisherface 特征，降低特征的維數，提高識別效率。利用人臉面部構造產生的灰度特性提取眼睛，利用嘴唇的色度特征分割出嘴巴，進而根據眼睛和嘴巴構成三角形模板的特性，精確定位人臉在圖像中的位置。實驗結果表明，這種結合膚色和面部特征的算法，能夠對人臉進行較快速、準確的定位，而且結果比較穩定可靠。
標簽： 特征提取 彩色圖像 人臉檢測
上傳時間： 2013-10-09
上傳用戶：zhf01y
陽光男孩庫理用心打造的文學刊物！ 請你進入只有情感激蕩的文學世界！
標簽：
上傳時間： 2015-01-11
上傳用戶：PresidentHuang
特征值和特征向量的計算,每種算法都用c++以函數形式實現
標簽： 特征 向量 函數 計算
上傳時間： 2015-01-12
上傳用戶：小碼農lz
java安全的api和java安全的特征
標簽： java api 特征
上傳時間： 2014-01-09
上傳用戶：wqxstar
矩陣特征值與特征向量的計算
標簽： 特征 矩陣 向量 計算
上傳時間： 2015-02-02
上傳用戶：busterman
特征提取技術。這種技術以傳統的建模方式為前提，對于產生的模型的幾何、拓撲等信息加以分析以提取其特征信息，這種技術一般多采用人工智能及模式識別等方面的知識。
標簽： 特征 提取技術 建模 方式
上傳時間： 2015-02-12
上傳用戶：康郎
蟲蟲下載站版權所有 京ICP備2021023401號-1
<center id="gaika"></center>
