您的位置: 专家智库 > >

国家自然科学基金(61141010)

作品数:5 被引量:20H指数:3
相关作者:侯建华罗艳笪邦友刘倩牟海军更多>>
相关机构:中南民族大学华中科技大学华中农业大学更多>>
发文基金:武汉市科技供需对接计划项目国家自然科学基金湖北省自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 2篇人脸
  • 2篇目标跟踪
  • 1篇多示例学习
  • 1篇人脸识别
  • 1篇人脸识别方法
  • 1篇识别方法
  • 1篇特征描述子
  • 1篇投票
  • 1篇主成分
  • 1篇主成分分析
  • 1篇自适
  • 1篇自适应
  • 1篇无迹卡尔曼滤...
  • 1篇滤波
  • 1篇描述子
  • 1篇目标检测
  • 1篇目标检测与跟...
  • 1篇决策树
  • 1篇卡尔曼
  • 1篇卡尔曼滤波

机构

  • 5篇中南民族大学
  • 2篇华中科技大学
  • 1篇华中农业大学

作者

  • 5篇侯建华
  • 3篇罗艳
  • 2篇项俊
  • 2篇牟海军
  • 2篇刘倩
  • 2篇严明君
  • 2篇笪邦友
  • 1篇江小平
  • 1篇马晓路
  • 1篇赵巍

传媒

  • 2篇中南民族大学...
  • 1篇电子与信息学...
  • 1篇计算机科学
  • 1篇中国图象图形...

年份

  • 2篇2014
  • 2篇2013
  • 1篇2012
5 条 记 录,以下是 1-5
排序方式:
基于SURF与Hough森林的人脸检测研究被引量:3
2014年
为实现复杂场景中的人脸检测与定位,提出了一种基于快速鲁棒特征SURF与Hough森林的人脸检测算法。采用SURF局部特征构建Hough森林分类器,每个叶子节点存储类别信息与特征点到达目标中心的偏移量,在图像局部外观与Hough投票之间建立映射关系,生成有监督的判别式的码本,获得可靠的概率Hough投票,以此预测目标中心位置,提高了检测精度。与此同时,采用SURF局部特征提取图像兴趣点有助于减小计算量、加快检测速度。实验证明了所提算法的有效性。
严明君项俊罗艳侯建华
关键词:SURF决策树
联合生成与判别模型的目标检测与跟踪被引量:9
2013年
提出一种新的基于生成-判别模型的目标检测与跟踪方法。利用DAISY特征描述子所具有的对光照、形变、视角、尺度的不变性以及计算高效的特点,提取目标稳定的特征点并加以表达,形成生成模型;采用霍夫森林分类器作为判别模型,用以训练目标图像块。在后续视频序列中利用目标的检测结果和判别码本的相似性测量对模型进行更新,构建一个动态自适应的判别码本。实验结果表明这种将快速有效的DAISY描述子和识别率高、鲁棒性强的霍夫森林分类器相结合的算法,跟踪精度高、实时性较好,具有目标局部防遮挡能力和不同分辨率下的识别能力。
刘倩侯建华牟海军赵巍笪邦友
关键词:目标检测与跟踪
尺度因子自适应的UKF算法在目标跟踪中的应用被引量:1
2012年
针对传统的无迹卡尔曼滤波(UKF)算法不能根据场景变化而自适应调整尺度因子α的问题,提出了一种改进算法,该算法利用UKF非线性近似的预测值与真实值之间的误差来调节α,并对采样策略进行了修正.将此方法应用于目标跟踪的仿真实验表明:该算法与使用尺度因子最优经验值的UKF算法精度相当,具有很好的跟踪性能和实用性.
侯建华刘倩笪邦友马晓路
关键词:无迹卡尔曼滤波目标跟踪
基于MMP-2DPCA的人脸识别方法被引量:1
2013年
提出了一种基于二维小波分解和融合多特征的2DPCA(简称MMP-2DPCA)人脸识别方法.该方法对于人脸表情变化不敏感,能够很好地压缩和表征原始人脸图像;融合图像既能反映人脸的全局特征,又能反映人脸的局部特征,具有更强的表达能力和判别能力.在ORL人脸库上的实验表明:MMP-2DPCA方法具有有效性.
侯建华牟海军罗艳江小平
关键词:人脸识别主成分分析
基于多示例学习和随机蕨丛检测的在线目标跟踪被引量:6
2014年
基于检测的目标跟踪方法目前在计算机视觉领域受到了广泛的关注,这类方法通过训练判别分类器将目标对象从背景中分离出来;分类器的训练是根据当前的跟踪状态从当前帧中提取正负样本来进行,但训练样本的不准确将导致分类器退化产生漂移。该文提出一种能够有效克服目标漂移的跟踪算法,采用检测器和跟踪器相结合的框架,利用中值流算法作为跟踪器,提高跟踪点的可靠性;级联若干个随机蕨弱分类器构成强分类器作为检测器;用在线多示例学习方法更新检测器,提高检测精度;最后将检测器、跟踪器的结果相融合得到最终的目标位置。实验结果表明,与其它方法相比,该方法对目标漂移有更强的鲁棒性。
罗艳项俊严明君侯建华
关键词:目标跟踪
共1页<1>
聚类工具0