游生福
- 作品数：5 被引量：3H指数：1
- 供职机构：合肥工业大学计算机与信息学院更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 自适应嵌套级联的在线集成学习方法研究
- 2014年
- 针对视频目标检测问题,提出一种新的在线集成学习方法。该方法把目标检测看成两类分类问题,首先用少量已标注样本离线训练一个初始集成分类器,然后在检测目标的同时通过跟踪过滤虚警目标,并通过样本置信度作进一步验证自动标注样本,最后通过在线集成学习方法更新级联分类器。该方法通过在线调整级联分类器,提高分类器对目标环境变化的适应能力,在大量视频序列上进行实验验证,并与现有在线集成学习方法进行比较,结果表明,通过该方法训练得到的检测器不但能够很好地应对目标特征的变化,也能在出现目标遮挡及背景干扰下稳定地检测出目标,具有较好的适应性及鲁棒性。
- 游生福汪荣贵戴经成张冬梅
- 关键词：目标检测GENTLEADABOOST算法
- 复杂干扰下字符串的分割与识别方法
- 本发明公开了一种复杂干扰下字符串的分割与识别方法，其特征是：在学习阶段，将包含有m个字符的图像切分成m份图片，构成多示例学习的包，并将同一字符作为一类，将包归类入库。再计算包的积分图，提取出包的haar-like特征作为...
- 汪荣贵戴经成周良李想游生福查炜
- 文献传递
- 在线多示例学习目标跟踪方法研究被引量：2
- 2014年
- 多示例学习是不同于传统机器学习的一种新的学习模式,近年来被应用于图像检索、文本分类等领域。提出一种基于在线学习的多示例学习算法,将其应用于目标跟踪。该算法通过构造一个在线学习的多示例分类器作为检测器,无需制作大量的样本进行离线的训练,只需在第一帧手动选中目标,便可以自动生成正样本和负样本,并在随后的帧序列中,根据跟踪到的目标自动更新分类器,在跟踪器丢失目标或者目标从场景中消失后,它能够重新检测到目标并更新跟踪器,从而有效地支持了跟踪器跟踪目标。实验证明该方法在背景复杂,光线变化,摄像机抖动等复杂条件下,可以很好地跟踪到目标,且对遮挡具有较好的鲁棒性。
- 戴经成汪荣贵游生福李想
- 关键词：多示例学习目标跟踪
- 在线集成学习方法及其在视频目标检测中应用研究
- 目标检测是模式识别和计算机视觉领域的重要研究课题之一,在军事侦察、智能交通、视频监控、人机交互等领域具有广阔的应用价值。在视频目标检测过程中,往往会出现外界环境干扰或者目标自身变化等情况,使得检测模型会经常出现误检或者漏...
- 游生福
- 关键词：视频目标检测计算机视觉集成分类器
- 文献传递
- 稀疏编码目标跟踪方法研究被引量：1
- 2015年
- 针对稀疏表示用于目标跟踪时存在重构误差表示不够精确、目标模板更新错误等问题,提出一种改进的稀疏编码模型。该模型无需重构误差满足特定的先验概率分布,且加入对编码系数的自适应约束,可以取得更优的编码向量,使得跟踪结果更为准确。在此基础上,将这种改进的编码模型与粒子滤波目标跟踪算法相结合,研究并实现一种新的基于鲁棒稀疏编码模型的目标跟踪方法。该方法对每个粒子的采样区域进行编码,用所得的稀疏编码向量作为当前粒子的观测量,并采用目标模板分级更新策略,使得目标模板更加准确。实验结果表明,方法可以较好地解决目标部分遮挡和光照变化等干扰下的目标跟踪问题。
- 张冬梅汪荣贵杨娟游生福齐立立
- 关键词：目标跟踪粒子滤波
