检索结果

Select

1. 基于随机一致性采样估计的目标跟踪算法

勾承甫, 陈斌, 赵雪专, 陈刚

计算机应用 2016, 36 (9): 2566-2569. DOI: 10.11772/j.issn.1001-9081.2016.09.2566

摘要（354）

PDF （791KB）（309）

为了解决在实际监控中因为目标遮挡、外观变化和时间过长导致跟踪丢失的问题，提出一种基于随机一致性采样（RANSAC）估计的目标跟踪算法。算法首先在搜索区域提取局部不变特征集，然后利用特征匹配传递性和非参数学习算法从特征集中分离出目标特征，最后对目标特征进行RANSAC估计跟踪目标位置。将算法在不同场景的视频数据集上进行测试，分别从准确率、召回率和综合评价指标F1-Measure三个指标分析算法性能，实验结果表明所提出的算法提高了目标跟踪的准确性，克服了长时间目标跟踪产生的跟踪漂移。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于能量估计的局部运动模糊检测

赵森祥, 李少波, 陈斌, 赵雪专

计算机应用 2016, 36 (10): 2859-2862. DOI: 10.11772/j.issn.1001-9081.2016.10.2859

摘要（574）

PDF （797KB）（449）

为了解决日常拍摄的图像或视频中普遍存在局部运动模糊导致信息丢失的问题，提出一种基于能量估计的局部运动模糊检测算法。该算法首先计算图像的Harris特征点，根据每个区域内的特征点分布筛选出备选区域；然后根据近单色区域梯度分布平滑的特点，通过计算备选区域的梯度分布并参照平均幅值阈值过滤掉大部分容易被误判的部分；最后根据运动模糊对图像能量衰减的特征对备选区域进行模糊方向估计，并计算模糊方向和与其垂直方向的能量，根据两个方向上能量的比值进一步去掉单色区域和散焦模糊区域。在图像库上的实验结果表明，所提算法能较好从存在近单色区域和散焦区域干扰的图像中检测出运动模糊区域，有效提高局部运动模糊检测的鲁棒性以及适应性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于两阶段投票的小样本目标检测方法

徐培赵雪专唐红强占伟鹏

计算机应用 2014, 34 (4): 1126-1129. DOI: 10.11772/j.issn.1001-9081.2014.04.1126

摘要（433）

PDF （657KB）（576）

为了在只有几个样本的情况下在待检测图像中采用模板匹配的方式定位目标，提出了一种两阶段投票的目标检测方法。首先采用概率模型通过几个样本离线构造投票空间，然后采用两阶段投票的方式在待测图像中检测目标：第一阶段在待测图像中通过投票检测目标的图像块，并记录下这些部件块在样本中所处的位置信息；第二阶段基于第一阶段所得到的图像块来投票计算样本整体的相似度，从而定位目标。理论推导和实验结果验证了所提出方法比前人的工作具有更低的时间复杂度和更高的目标检测准确率。

参考文献 | 相关文章 | 多维度评价