公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

复杂环境下的物体跟踪技术研究: 视频跟踪是近年来十分前沿的研究领域,涉及的领域众多诸如计算机视觉领域、模式识别、人工智能、自动控制等学科的技术。现实生活中,视频目标的跟踪也得到了广泛的应用前景。但是,视频目标的跟踪技术面临了许多挑战,诸如目标多尺度变化...; 江伟坚; 关键词：HAAR-LIKE特征级联分类器; 文献传递

一种基于新Haar-like特征的Adaboost人脸检测方法: 本发明公开了一种基于新Haar-like特征的Adaboost人脸检测方法，其步骤如下：1）训练阶段：第一步，采用摄像头采集人脸特征和非人脸特征图像样本，提取出人脸特征集和非人脸特征集进行训练，构造出能够区分人脸样本和非...; 郭躬德江伟坚孔祥增

基于人脸色温的拼接图像篡改检测被引量：4: 2013年; 针对人脸拼接篡改图像,提出一种判断人脸合成的图像篡改检测方法。以人脸作为检测目标,利用目标检测技术,对图像中的人脸进行定位后估计人脸色温,然后估计参考色温,计算人脸色温与参考色温的色温距离,找出色温异常的检测目标视为篡改目标,并用该算法定位出篡改目标的精确位置。实验结果验证了该算法具有的有效性。; 杨健梅黄添强江伟坚; 关键词：图像篡改检测目标检测

一种基于新Haar-like特征的Adaboost人脸检测方法: 本发明公开了一种基于新Haar-like特征的Adaboost人脸检测方法，其步骤如下：1）训练阶段：第一步，采用摄像头采集人脸特征和非人脸特征图像样本，提取出人脸特征集和非人脸特征集进行训练，构造出能够区分人脸样本和非...; 郭躬德江伟坚孔祥增; 文献传递

基于新Haar-like特征的Adaboost人脸检测算法被引量：41: 2014年; 为解决基于Haar-like特征的Adaboost人脸检测方法存在的特征计算复杂度较高的问题,提出两组Haar-like特征扩展集;利用积分图给出特征组的计算方法;采用Adaboost算法在正脸和侧脸样本库分别训练出正脸和侧脸级联分类器,并将其组成双通道分类器。在开源视觉库OpenCV上的实验结果表明,本方法具有较少的弱分类器数,检测效率高、计算速度快,对于多角度人脸检测具有较好的鲁棒性。; 江伟坚郭躬德赖智铭; 关键词：ADABOOST 人脸检测积分图级联分类器

复杂环境下高效物体跟踪级联分类器被引量：5: 2014年; 目的传统跟踪算法在复杂环境下容易发生漂移(drift)现象,通过改进TLD(tracking learning detection)跟踪技术算法,提出了基于Sliding-window的局部搜索和全局搜索策略、积分直方图过滤器和随机Haar-like块特征过滤器。方法首先,采用积分直方图过滤器可以有效地过滤大量非目标子窗口块,从而减少后续过滤器特征匹配数;其次,利用随机Haar-like块特征过滤器能够解决跟踪算法在复杂环境(多物体、部分或较大区域遮挡、快速运动等)跟踪过程易发生漂移而导致跟踪精度的不足。结果结合TLD原始过滤器与新提出的两个过滤器组合而成的级联分类器,通过与主流的跟踪算法实验进行对比表明,级联分类器在稳定的背景或复杂环境的跟踪鲁棒性强、跟踪精度高,并且采用了局部和全局搜索策略提高了计算速度。结论提出的方法在诸多背景环境变化,跟踪物体形变等情况下,能够精确地多尺度跟踪待测目标;结合全局和局部搜索跟踪策略能够有效地克服级联分类器所带来的时间复杂度过高的问题,从而实现实时目标跟踪。; 江伟坚郭躬德; 关键词：视觉追踪 HAAR-LIKE特征级联分类器积分直方图

全选清除导出

共1页<1>

江伟坚