您的位置: 专家智库 > >

高赟

作品数:11 被引量:28H指数:3
供职机构:云南大学信息学院更多>>
发文基金:国家自然科学基金云南省应用基础研究计划面上项目中国博士后科学基金更多>>
相关领域:自动化与计算机技术文化科学电子电信机械工程更多>>

文献类型

  • 10篇中文期刊文章

领域

  • 8篇自动化与计算...
  • 2篇文化科学
  • 1篇机械工程
  • 1篇电子电信

主题

  • 7篇目标跟踪
  • 4篇相关滤波
  • 4篇滤波
  • 2篇多边形
  • 2篇子群
  • 2篇粒子群
  • 2篇粒子群优化
  • 1篇多特征融合
  • 1篇压缩感知
  • 1篇语言
  • 1篇语言程序
  • 1篇语言程序设计
  • 1篇正则
  • 1篇正则化
  • 1篇置信度
  • 1篇质心
  • 1篇设计课程
  • 1篇特征提取
  • 1篇朴素贝叶斯
  • 1篇人工智能

机构

  • 10篇云南大学
  • 4篇昆明物理研究...
  • 1篇南京理工大学
  • 1篇中国兵器工业...

作者

  • 10篇高赟
  • 5篇周浩
  • 4篇张晋
  • 2篇张学杰
  • 2篇李杰
  • 1篇周小兵
  • 1篇孔兵
  • 1篇普园媛
  • 1篇王津
  • 1篇高志山
  • 1篇张骥先
  • 1篇叶津
  • 1篇钟小芳

传媒

  • 1篇光学精密工程
  • 1篇仪器仪表学报
  • 1篇计算机时代
  • 1篇计算机工程
  • 1篇微电子学与计...
  • 1篇计算机应用
  • 1篇计算机应用研...
  • 1篇计算机仿真
  • 1篇计算机教育
  • 1篇中国图象图形...

年份

  • 1篇2023
  • 4篇2021
  • 1篇2019
  • 2篇2017
  • 1篇2016
  • 1篇2015
11 条 记 录,以下是 1-10
排序方式:
采用相关性区域修正的背景感知相关滤波跟踪被引量:1
2021年
相关滤波类跟踪算法采用循环矩阵生成训练样本进行相关性检测时会导致边界效应问题,目标偏离检测区域中心位置越远,边界效应问题越严重.为解决上述问题,在BACF算法基础上提出了基于相关性区域修正的背景感知相关滤波跟踪方法.该方法针对灰度和彩色视频采用不同的多特征融合方式进行特征提取,对于新视频帧采用边缘轮廓检测算法使其修正相关性检测区域的范围及中心位置,使被跟踪目标的相关性检测区域更加合理,让被跟踪目标尽可能的位于相关性检测区域的中心位置,从而达到缓解边界效应的效果.使用OTB100数据集进行验证,结果表明改进后的算法有效促进了基础跟踪算法的精度和成功率性能.
王涛徐子钦高赟张晋
关键词:目标跟踪相关滤波多特征融合
峰值变化比与状态判别相结合的目标跟踪算法
2023年
大多数相关滤波类跟踪算法总是以相关响应图的最大值的对应位置作为跟踪结果。然而,在遮挡、形变、背景混乱等实际场景下,响应图通常会呈现多个峰值,而最大峰值对应位置未必是目标位置,而此时仍旧选择最大峰值作为跟踪目标的峰值,则可能会导致偏差或错误的跟踪结果最终将会导致跟踪失败。为解决上述问题,在ARCF算法的基础上,提出了一种基于峰值变化比与状态判别相结合的跟踪方法。方法首先根据对应帧的响应图得出被跟踪目标的状态,然后根据此状态对跟踪过程中产生的峰值变化进行处理,尽可能的选择出目标峰值,从而降低多峰值对算法的影响。算法的对比实验中使用了OTB100数据集,实验结果表明,采用所提方法后的算法有效的提高了精度和成功率。
张延杰王刚高赟
关键词:目标跟踪相关滤波
粒子群优化的压缩跟踪算法被引量:1
2016年
目的针对基于压缩感知理论的跟踪算法跟踪效率不高和难以抗遮挡的问题,提出一种结合压缩感知和粒子群优化的跟踪算法。方法将粒子群优化算法结合到压缩跟踪算法中,提出了采用粒子群优化的搜索方法替代在确定候选目标时,采用每隔一个像素选取一个候选目标的搜索策略;在目标发生遮挡时,采用粒子群优化的方法进行整幅图全局搜索。结果 20个视频序列数据库的目标跟踪结果表明,本文算法极大地提高了跟踪效率,并有很强的抗目标遮挡和形变的能力从而提高了跟踪的成功率。20个视频数据库进行了定量的分析,平均成功率达到了65.2%,平均中心位置偏差为33.4,平均每秒运行155.5帧。结论提出的跟踪算法优化了搜索目标的计算次数,提高了算法的运行效率,当在目标发生遮挡时,采用粒子群优化进行全局搜索直到目标重新出现,从而提高了跟踪算法的跟踪成功率,本文算法能适用于不同场景,能够提高智能视频监控系统的智能监控性能。
李杰周浩张晋高赟叶津
关键词:计算机视觉目标跟踪压缩感知粒子群优化特征提取朴素贝叶斯
基于码本模型的运动阴影去除算法被引量:1
2017年
运动阴影会导致运动目标前景发生形变或丢失,影响运动目标前景的跟踪和分析。针对该问题,引入码本模型设计运动阴影去除算法。利用在YCb Cr颜色空间内建立的背景码本模型,检测包含运动前景目标和运动阴影的运动区域,并根据运动阴影在YCb Cr颜色空间中的特性得到运动区域中表示运动阴影的像素值,为视频帧中所有不同位置的像素点建立一个具有自适应亮度范围阈值和色度距离阈值的运动阴影码本模型,实现运动阴影的检测和去除。实验结果表明,该算法可有效提高运动阴影的检测率和识别率。
钟小芳周浩高志山高赟
采用响应图置信区域自适应特征融合的相关滤波跟踪被引量:6
2019年
针对固定特征融合权重的相关滤波跟踪算法在光照变化、目标形变下跟踪失败的问题,提出了采用响应图置信区域自适应特征融合的相关滤波跟踪算法以提高算法鲁棒性。首先,将响应图中高于响应图期望值的区域作为响应图置信区域,然后,根据HOG特征响应图置信区域计算出HOG特征响应图和颜色直方图特征响应图的融合权重,实现HOG和颜色直方图特征的自适应融合。仿真实验采用跟踪基准数据库(OTB-2015)中的100组视频序列进行实验,对比了5种流行的相关滤波跟踪算法。实验结果表明,本文算法的综合AUC和精度分别为0.609和0.814,尤其在光照环境下AUC和精度分别为0.655和0.847,相比Staple分别提升5.7%和5.6%。本文算法在光照和形变交叉环境下AUC达到0.681。在光照变化、目标形变、背景混乱、尺度变化等场景下,本文算法具备更优的跟踪性能。
高赟赵江珊罗久桓周浩
关键词:目标跟踪自适应
基于粒子群优化的模板匹配跟踪算法被引量:3
2015年
针对基于模板匹配的跟踪算法运行速度较慢、成功率较低的问题,提出了一种基于粒子群优化(PSO)的模板匹配跟踪算法。该算法采用粒子群优化算法作为模板匹配算法候选模板的搜索策略,并采用自适应的更新目标模板。首先,在设定的搜索区域内随机采集30个候选模板,计算出个体最优候选模板和全局最优候选模板;其次,根据粒子群优化算法进行迭代求出匹配值最佳的候选模板即为目标;最后,根据最佳候选模板的匹配值大小来自适应更新目标模板。理论分析和实验仿真表明,与基于模板匹配的跟踪算法和基于粗精搜索的模板匹配跟踪算法相比,基于粒子群优化的模板匹配跟踪算法的计算量平均要少91.1%和69.8%,且成功率为原算法的2.02倍和1.94倍。实验结果表明,基于粒子群优化的模板匹配跟踪算法能实现很好的实时跟踪,并且提高了跟踪的鲁棒性。
李杰周浩张晋高赟
关键词:机器视觉目标跟踪粒子群优化
面向能力产出的人工智能专业人才培养模式探索与实践被引量:9
2021年
针对人工智能专业本科教学中仍存在以知识点灌输方式为主、错误地用知识点匹配学生能力等问题,提出以新工科教育理念为基础、以能力产出为核心的人工智能专业培养体系,介绍面向能力产出的人才培养改革措施。
王津周小兵普园媛高赟张学杰
C语言程序设计课程中应用能力的培养被引量:4
2017年
从多年教学、科研工作及毕业生反馈等经验来看,无论采用哪种教学方法开展教学工作,C语言程序设计的课堂教学和未来就业或深造需求之间仍然存在着脱节现象,学生对C语言程序设计的应用能力亟待提高。在实际课程教学过程中,需要补充或强化以下几个方面的能力培养:遵守编程规范、把握代码框架、调试程序、代码转化和团队协作等。这些能力的培养可以使学生快速适应实际应用。在提高学生对C语言编程应用能力的同时,这些能力的培养还可以促进C语言程序设计课堂教学与未来就业或深造需求的有机接轨。
高赟张骥先孔兵张学杰
关键词:C语言程序设计课堂教学未来就业脱节
采用多边形位置校正的时空正则化相关滤波跟踪
2021年
针对时空正则化相关滤波跟踪算法在背景混乱、光照变化等挑战场景下跟踪结果与正确目标位置总是存在偏离的问题,提出了采用多边形位置校正的时空正则化相关滤波跟踪算法,以提高跟踪结果的准确性和鲁棒性。该算法采用峰值噪声比对当前跟踪结果的置信度进行判别,对置信度判别结果为不可信的情况采用多边形位置校正方法对当前跟踪结果进行修正。实验表明,该算法在成功率曲线下面积和精度两种评价标准下都有较大的提升,尤其是在背景混乱和光照变化场景下都具有更好的跟踪效果,具有一定的应用价值。
徐子钦王涛高赟张晋
关键词:目标跟踪相关滤波
采用多边形质心的相关滤波跟踪位置校正方法被引量:2
2021年
为了解决多个尺度相关响应图最大值对应位置与目标真实位置存在偏差的问题,本文提出了一种采用多边形质心的相关滤波跟踪位置校正方法。首先,本文提出一种相关响应图评价指标对响应图的质量进行评价,并对当前帧跟踪结果进行可信判别;接着,对判别为不可信的跟踪结果采用多边形顶点的质心进行校正,以减少跟踪结果与目标正确位置的偏差。最后,在OTB50、OTB-2015和UAV20L三个基准视频集上对本文算法进行性能评估实验,本文算法在OTB50、OTB-2015和UAV20L的成功率曲线面积分别达到了0.625、0.668和0.429,跟踪精度分别达到了0.844、0.885和0.578。结果表明,与近年来主流的跟踪算法相比,本文算法在多种复杂场景下都取得了较优的成功率曲线面积和跟踪精度。
高赟徐子钦王涛周浩
关键词:目标跟踪相关滤波
共1页<1>
聚类工具0