gtb分类器参数调节_结合特征筛选与二次定位的快速压缩跟踪算法

本文探讨了基于压缩感知的跟踪方法,结合特征选择和目标模型更新来提升跟踪性能。引用了多篇研究论文,包括对Kernel-based object tracking、CamShift和Kalman filter等经典算法的应用与改进,以及对支持向量跟踪和支持向量机参数调节的讨论,旨在实现更快速且准确的目标跟踪。
摘要由CSDN通过智能技术生成

[1]

Comaniciu D, Ramesh V, Meer P. Kernel-based object tracking. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(5): 564-577

[2]

Bradski G R. Real time face and object tracking as a component of a perceptual user interface. In: Proceedings of the 4th IEEE Workshop on Applications of Computer Vision. Princeton, USA: IEEE, 1998. 214-219

[3]

Huang S L, Hong J X. Moving object tracking system based on camshift and Kalman filter. In: Proceedings of the 2011 International Conference on Consumer Electronics, Communications and Networks. Xianning, China: IEEE, 2011. 1423-1426

[4]

Vadakkepat P, Liu J. Improved particle filter in sensor fusion for tracking randomly moving object. IEEE Transactions on Instrumentation and Measurement, 2006, 55(5): 1823-1832

[5]

王智灵, 陈宗海, 徐萧萧, 吴亮.基于蛙眼视觉特性的运动目标模糊化区域理解跟踪方法.自动化学报, 2009, 35(8): 1048-1054

Wang Zhi-Ling, Ch

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值