导读:本文包含了自适应模型更新论文开题报告文献综述及选题提纲参考文献，主要关键词:机器视觉,目标跟踪,相关滤波,自适应特征融合
自适应模型更新论文文献综述
常敏,沈凯,张学典,杜嘉,李峰[1]（2019）在《自适应特征融合和模型更新的相关滤波跟踪》一文中研究指出针对复杂场景下单个特征的稳健性差,以及目标存在背景干扰和目标遮挡时跟踪失败的问题,提出一种基于自适应特征融合和模型更新的相关滤波跟踪算法。该算法在核相关滤波的基础上,通过对不同特征的响应图采用平均峰值-相关能量的方法进行加权求和,实现了响应图层面的自适应特征融合。根据响应图的峰值特性计算自适应权重,以其作为置信度确定模型的更新率,进而设计自适应模型更新方法。实验结果表明,该算法能够很好地适应背景干扰、目标遮挡、旋转运动等复杂场景,与近年来优秀的相关滤波跟踪算法相比,所提算法的平均距离精度比其中最优的算法提高了2.64%,平均重迭精度提高了1.54%。(本文来源于《光学学报》期刊2019年09期）
王科平,武帅帅,王红旗[2]（2019）在《自适应模型更新相关滤波目标跟踪方法》一文中研究指出为了解决目标因遮挡、跟踪框发生漂移后相关滤波跟踪算法仍持续更新目标模型和滤波器模型,导致背景信息被更新到目标模型和滤波器模型中的情况,提出一种自适应模型更新策略。采用相关滤波方法得到新的目标位置;提取新目标位置的统计协方差特征并计算其与协方差模板的相似性;根据相似性判断是否更新目标模型和滤波器模型。实验结果表明:所提方法有效解决了因目标形变、遮挡等情况导致目标模型和滤波器模型的更新问题,提高了相关滤波目标跟踪的精度。(本文来源于《传感器与微系统》期刊2019年01期）
滕硕,王润玲[3]（2019）在《基于自适应模型更新的实时跟踪算法》一文中研究指出为提高分层卷积特征目标跟踪算法的速度和精度,文中提出了一种基于自适应模型更新的单层卷积特征目标跟踪算法。首先提取Pool4层的多通道的卷积特征对训练样本的类标函数进行调整,在确保跟踪精确度的同时提高了算法的速度。该算法引入了平均峰值能量比,通过比值变化情况反馈目标跟踪的结果,与稀疏模型更新策略相结合,对跟踪器进行自适应更新,提高了算法对遮挡和相似物干扰的鲁棒性。对于目标快速尺度变化问题,文中采用尺度金字塔对尺度进行评估,提高了跟踪器的泛化能力。在OTB2013和OTB2015上测试新算法,实验结果表明,该算法的平均距离精度分别为91.0%和86.8%,平均速度约43帧/s,局域良好的鲁棒性和实时性。(本文来源于《电子科技》期刊2019年07期）
王日宏,李永珺,张立锋[4]（2019）在《自适应尺度特征融合与模型更新的跟踪算法》一文中研究指出在核相关滤波器跟踪算法中,为了减少背景相似物等杂波对跟踪器的干扰,以及解决不同跟踪结果置信度下的模型更新问题,提出了自适应尺度特征融合与模型更新的跟踪算法。通过多特征融合和尺度变化策略改进了多特征的尺度核相关滤波器,使用多峰检测对响应图的整体振荡程度进行判断,再对峰值进行跟踪结果置信度评估;在遮挡、形变等跟踪结果置信度低的情况下及时停止模型更新,在高置信度模型更新时,引入初始模型进行对齐操作,减少模型的更新误差,抑制模型漂移。比较核相关滤波器算法,本算法准确度较高,且在目标尺度变化、遮挡和形变时稳定性更好。在OTB-50数据集上的实验结果表明,该算法在精度和成功率上都比核相关滤波器算法表现更优。(本文来源于《计算机应用研究》期刊2019年12期）
熊昌镇,车满强,王润玲,卢颜[5]（2018）在《融合峰旁比和帧差均值自适应模型更新的视觉跟踪》一文中研究指出为了让相关滤波模型更加适应目标外观的变化,提高相关滤波跟踪算法的鲁棒性和实时性,根据相关滤波响应值、帧差均值和目标运动位移之间的关系,提出了一种单层卷积相关滤波实时跟踪模型的自适应学习率调整跟踪方法.该方法首先选取单个卷积层卷积特征,减少了卷积特征维度,然后使用单层卷积特征训练相关滤波分类器预测目标位置,用快速尺度预测方法估计跟踪目标的尺度,并采用稀疏的模型更新策略,提高跟踪的速度;最后利用相关滤波预测响应图的峰旁比估计预测位置的可信度,结合图像帧差均值和目标的运动位移量来评估目标的表观变化,并根据目标预测的可信度和表观变化情况自适应调整相关滤波模型更新的学习率,使模型快速学习目标的变化特征,提高了目标跟踪的精度.在OTB100数据集上对算法进行测试,实验结果表明,本文算法的平均距离精度达90.1%,优于实验中对比的9种主流算法,平均成功率值为79.2%,仅次于9种算法中的连续卷积跟踪算法,平均速度为31.8帧/秒,是连续卷积相关滤波算法的近30倍.(本文来源于《光子学报》期刊2018年09期）
王培良,叶晓丰,杨泽宇[6]（2018）在《基于Block-RPLS模型自适应更新的质量预测方法》一文中研究指出工业过程包含动态、时变等过程特性.传统的基于PLS方法的质量预测采用的是固定模型,难以实时修正和学习新的过程信息,从而导致建模效率和精度降低,针对该问题提出一种自适应的块式递推偏最小二乘法(Block-RPLS)模型质量预测方法,用于在线调整PLS模型的结构和参数.采用滑动窗方法确定更新的数据块,利用矩阵相似性理论分析窗内数据的结构特性,得到该滑动窗的特征矩阵.同时,引入局部离群因子(LOF)检测滑动窗内离散偏离程度较大的更新数据,通过交叉验证方法修正PLS模型参数自适应学习过程的时变信息.最后,通过数值仿真和青霉素发酵过程的质量预测实验验证所提出方法的有效性.(本文来源于《控制与决策》期刊2018年03期）
王暐,王春平,李军,张伟[7]（2016）在《特征融合和模型自适应更新相结合的相关滤波目标跟踪》一文中研究指出提出了一种基于自适应特征融合和自适应模型更新的相关滤波跟踪算法(CFT)。该算法在跟踪的训练阶段利用损失函数计算特征的自适应权重,在检测阶段对不同特征的响应图进行加权求和,从而实现了响应图层面的自适应特征融合。设计了自适应的模型更新策略,采用响应图的峰值旁瓣比判断是否发生遮挡或错误跟踪,据此决定是否在当前帧更新目标模型。在11个视频序列上对所提算法进行了实验,验证了所采用的自适应特征融合策略和自适应模型更新策略的有效性。与多个传统的采用单特征的相关滤波跟踪算法进行了比较,结果显示,所提算法的跟踪精度和成功率典型值分别提升了18.2%和11.5%。实验结果验证了特征融合和自适应模型更新对跟踪算法的改进具有指导意义。(本文来源于《光学精密工程》期刊2016年08期）
张睿[8]（2014）在《基于灰阶迁移统计法的背景模型自适应更新方法研究》一文中研究指出在智能视频监控技术中背景建模是一项位于底层的关键技术，其性能将直接决定上层各种智能视频分析功能的可实现性及鲁棒性。对背景建模技术的研究近十年来一直是视频分析与安防监控领域的研究热点与难点，因此开展与背景建模相关的研究具有重要理论意义和实际工程意义。目前，大多数背景建模方法在实用化程度上仍存在不足，具体表现为无法应对现实监控场景的复杂多样性，其核心问题在于：已构建的背景模型无法快速有效地学习场景在时空维度上的各种随机性变化。于是，对背景模型自适应更新问题的研究成为背景建模技术实用化的关键一步。现有的主流背景模型自适应更新方法存在以下不足：需人工设置背景模型的初始学习率，自适应性有待提升；背景模型学习率的调控策略依赖于具体的背景模型，通用性不高；逐点式地计算背景模型学习率，运算效率低。为克服传统方法的上述不足，本论文提出了一种新颖的背景模型自适应更新方法。论文的主要研究工作如下：①受物理学中原子能级跃迁模型启发，论文提出将视频中像素灰度变化理解为像素点样本在不同灰阶（即光强能级）间发生了迁移，进而提出了以视频灰阶为对象提取视频变化统计信息的视频低层数据挖掘新范式——灰阶迁移统计法。相比于传统视频低层数据挖掘叁大范式（即像素点分析范式、区域分析范式和子空间分析范式），灰阶迁移统计法能够从监控视频中挖掘出传统范式所无法获得的独特统计信息，该统计信息被证明可有效地用于控制背景模型的自适应更新过程。②针对传统背景模型自适应更新方法的不足，提出了一种基于灰阶迁移统计法的全局化背景模型自适应更新方法。该方法对视频中全局场景进行灰阶迁移统计，生成一种被称为全局灰阶迁移概率图的二维离散概率分布函数，然后将全局灰阶迁移概率图作为在线学习率查询表，以查表方式快速获取背景模型更新所需的学习率。该方法有以下优点：1）无需人工设置初始学习率，自适应程度高；2）学习率的产生不依赖具体背景模型，通用性好；3）学习率的产生由快速查表方式实现，运算效率高。实验表明，该方法可有效提高背景模型的自适应性与鲁棒性。③对于某些具有复杂局部动态性的监控场景，由②中方法计算出的全局灰阶迁移概率图可能出现误差。为此，通过对②中的全局化背景模型自适应更新方法进行改进，论文提出了一种基于灰阶迁移统计法的区域化背景模型自适应更新方法。该方法包含以下关键步骤：1）自适应的场景动态性估计；2）基于场景动态性的自适应场景区域分割；3）对不同的场景区域分别进行灰阶迁移统计，生成对应的区域灰阶迁移概率图；4）将区域灰阶迁移概率图作为对应区域内背景模型学习率的查询表。实验表明，区域化的方法能够有效地克服全局化方法存在的不足。④当场景中出现某些特殊事件（例如出现遗留物），在③中提出的区域化背景模型自适应更新方法将可能在特殊事件区域内失效。为此，论文提出了一种基于灰阶迁移统计法的特殊事件区域背景模型自适应更新方法，其由两部分组成：1）基于灰阶迁移概率图的非参数化特殊事件区域检测与分割；2）基于人类进行拼图游戏时的视觉感知机制对特殊事件区域内的背景模型进行自适应更新。最后，上述特殊事件区域背景模型自适应更新方法被整合到③中提出的区域化背景模型自适应更新方法中，从而有效地改进了区域化背景模型自适应更新方法的鲁棒性。通过在背景建模领域较权威的Changedetection标准测试数据集上的一系列实验表明：灰阶迁移统计法这种视频低层数据挖掘范式在应用上具有多样性，能有效挖掘出监控视频中隐藏的多种独特且有价值的统计信息，而基于灰阶迁移统计法的背景模型自适应更新方法明显优于传统的背景模型自适应更新方法。(本文来源于《重庆大学》期刊2014-03-01）
赵谦,周勇,侯媛彬,刘树林[9]（2013）在《一种自适应码书模型背景更新算法》一文中研究指出因背景更新过程中运动信息不足,造成在处理缓慢移动目标和只有局部运动目标时常常发生误判,为解决上述问题,通过提取运动目标的空间整体信息,提出了一种自适应的码书模型背景更新算法。该方法通过对运动目标空间信息变化进行分析,寻找前景中潜在背景,然后联合像素时域统计信息,得到真正的背景模型。实验结果表明,该算法可以快速适应背景变化,能明显减少对运动信息不足目标的误判,同时保证目标检测的完整性。(本文来源于《电视技术》期刊2013年13期）
朱祎,和莉,王小军[10]（2011）在《基于关联反馈技术的用户兴趣模型的建立与自适应更新》一文中研究指出用户兴趣模型是个性化服务系统的一个核心组成部分。为进一步提高模型准确性,提出一种搜集用户多种交互行为,结合隐式反馈技术构建用户兴趣模型的方法。该方法引入时间衰减度和显式反馈技术,使之能对用户兴趣模型进行自适应更新,对实现个性化的信息检索与过滤系统具有较高的参考价值。(本文来源于《金陵科技学院学报》期刊2011年04期）
自适应模型更新论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决目标因遮挡、跟踪框发生漂移后相关滤波跟踪算法仍持续更新目标模型和滤波器模型,导致背景信息被更新到目标模型和滤波器模型中的情况,提出一种自适应模型更新策略。采用相关滤波方法得到新的目标位置;提取新目标位置的统计协方差特征并计算其与协方差模板的相似性;根据相似性判断是否更新目标模型和滤波器模型。实验结果表明:所提方法有效解决了因目标形变、遮挡等情况导致目标模型和滤波器模型的更新问题,提高了相关滤波目标跟踪的精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应模型更新论文参考文献
[1].常敏,沈凯,张学典,杜嘉,李峰.自适应特征融合和模型更新的相关滤波跟踪[J].光学学报.2019
[2].王科平,武帅帅,王红旗.自适应模型更新相关滤波目标跟踪方法[J].传感器与微系统.2019
[3].滕硕,王润玲.基于自适应模型更新的实时跟踪算法[J].电子科技.2019
[4].王日宏,李永珺,张立锋.自适应尺度特征融合与模型更新的跟踪算法[J].计算机应用研究.2019
[5].熊昌镇,车满强,王润玲,卢颜.融合峰旁比和帧差均值自适应模型更新的视觉跟踪[J].光子学报.2018
[6].王培良,叶晓丰,杨泽宇.基于Block-RPLS模型自适应更新的质量预测方法[J].控制与决策.2018
[7].王暐,王春平,李军,张伟.特征融合和模型自适应更新相结合的相关滤波目标跟踪[J].光学精密工程.2016
[8].张睿.基于灰阶迁移统计法的背景模型自适应更新方法研究[D].重庆大学.2014
[9].赵谦,周勇,侯媛彬,刘树林.一种自适应码书模型背景更新算法[J].电视技术.2013
[10].朱祎,和莉,王小军.基于关联反馈技术的用户兴趣模型的建立与自适应更新[J].金陵科技学院学报.2011