投稿须知
  一、作者及内容
  1、本刊面向海内外所有学者。
  2、主要刊登数学、物理、化学、生物化学、地球科学、工业科学、工业技术、土木建筑、电子电信、计算机技术、环境科学、医药卫生、农林牧渔、等学科的理论研究和应用技术研究方面的科研论文、 ...

融合SIFT特征和HMM的运动目标识别与跟踪算法

作者: 顾苏杭 [1] 戎海龙 [2] 马正华 [2]

关键词: 动态场景 目标旋转 隐马尔科夫模型 识别与跟踪

摘要:针对动态场景下,由于光照突变、目标旋转以及遮挡等因素容易导致运动目标跟踪丢失,本文提出融合SIFT特征和隐马尔科夫模型算法.将运动目标的SIFT特征作为隐马尔科夫模型训练样本,经训练得到特征最优化的模型参数;通过设定阈值,将模型输出较大计算概率特征样本的集合作为最终目标识别结果,不仅避免了SIFT算法遍历式处理图像像素点带来的大量计算,而且该样本集能够精确反应出目标区域位置信息,从而取代了SIFT算法图像间繁琐的匹配过程,提高目标跟踪的可靠性和稳定性.实验结果表明,目标平均识别率在90%以上,跟踪效果稳定、可靠,具有较好的实时性和鲁棒性.


上一篇: 基于G-K算法的网络安全态势预测模型
下一篇: 移动通信GSM-R干扰信号分离和优化

科技通报编辑部版权所有
杭州地址:浙江省杭州西湖文化广场浙江省科技馆6楼 邮编:310014