导读:本文包含了特征跟踪论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,目标,投向,诺尔,深度,卷积,贷款。
特征跟踪论文文献综述
王殿伟,许春香,刘颖[1]（2019）在《基于多特征融合的核相关滤波目标跟踪算法》一文中研究指出为提高复杂背景下目标跟踪的精度和鲁棒性,提出一种多特征融合的核相关滤波目标跟踪算法。在海量无关图片训练集上得到深度模型,使用目标跟踪视频序列对其进行微调;从模型中提取多层深度线性特征并进行插值运算,同时提取图像序列的方向梯度直方图特征和颜色名特征;将得到的特征图通过核相关滤波计算相应的相关响应图;融合各个响应图,寻找最大响应值以确定目标位置。在OTB和VOT标准数据集上的实验结果表明,该模型具有较高的识别精度,能够在背景斑杂、光照变化、目标遮挡和变形等复杂环境下长期稳定地跟踪目标。(本文来源于《计算机工程与设计》期刊2019年12期）
贾惠,齐苏敏,王来花,姜世浩[2]（2019）在《融合多层卷积特征的鲁棒相关滤波跟踪》一文中研究指出提出了一种基于VGG-Net网络的多层卷积特征融合的相关滤波跟踪算法,提取浅层和深层两种特征,并将二者自适应融合,提高了相关滤波跟踪的准确性和鲁棒性。在DSST算法框架下,提取VGG-Net网络3个卷积层的特征分别训练相关滤波器,在每一层上估计目标位置,融合每层响应获取最终位置。此外,通过筛选降低了卷积特征在每一层的通道数,减少了计算量。在OTB2013数据集上的实验结果表明,当目标遇到模糊、旋转、背景混乱等复杂场景时,算法不仅能保证良好的跟踪精度和鲁棒性,而且能保持较快的跟踪速度。(本文来源于《通信技术》期刊2019年12期）
刘亚东,吴渊,王正军,于海龙,钱法文[3]（2019）在《基于卫星跟踪的遗鸥活动特征与空间利用研究》一文中研究指出河北省康巴诺尔湖和张家口坝上已成为遗鸥Larus relictus的重要繁殖地和迁徙停歇地,但对此地繁殖种群的研究才刚开始。为了掌握遗鸥繁殖种群的活动区、活动节律和空间利用等特点,2016年6—9月,利用卫星跟踪技术对康巴诺尔湖遗鸥的活动特征和空间利用进行了研究。对4只遗鸥个体的跟踪结果表明:活动特征方面,(1)遗鸥主要活动区位于张家口坝上和内蒙古乌兰察布市东部,且不同个体位点分布差异较大;(2)繁殖后期和游荡期遗鸥活动区面积差异明显,游荡期活动区面积(155.95 km~2)大于繁殖后期(59.90 km~2)。同时不同个体活动区重迭程度差异较大,繁殖后期重迭程度高,游荡期重迭程度低;(3)活动节律显示遗鸥每天凌晨和黄昏都出现较长的活动距离。空间利用方面,本研究首次将粪区和农草区划为遗鸥的觅食区域,发现繁殖后期和游荡期遗鸥对湖淖区均有较高程度的利用。此外,还对遗鸥潜在食源进行了调查,发现在康巴诺尔湖遗鸥主要食物为摇蚊科Chironomidae幼虫和划蝽科Corixidae,在其他觅食地主要食物为丰年虫Chirocephalus sp.、蚌虫Cyzicus sp.、鲎虫Triops sp.和蛆虫。(本文来源于《四川动物》期刊2019年06期）
益争祝玛,尚振宏,刘辉,李润鑫[4]（2019）在《基于多特征融合的运动目标跟踪方法》一文中研究指出采用单一特征描述目标和传统模型更新方法对目标进行跟踪难以适应目标的遮挡、形变以及复杂场景变化等问题。针对此问题,提出一种多特征融合和选择性更新模型的相关滤波器跟踪算法。分别利用方向梯度直方图和颜色特征训练滤波器模型,在检测阶段根据不同特征响应图的峰值旁瓣比和加权融合两种特征;根据每帧最终目标位置响应图的峰值旁瓣比,判断目标是否发生遮挡,发生遮挡时则不更新模型,下一帧中继续使用当前模型进行跟踪。选取公开测试视频集中12段视频序列与多个前沿运动目标跟踪算法进行对比实验,结果显示,相对于次优的基于颜色特征(color names,CN)的算法,平均中心位置误差减少了25.12像素,平均跟踪精度提高了29.31%。实验结果表明,在目标发生尺度变化、遮挡和光照变化等情况下,该算法可以稳定、准确跟踪运动目标。(本文来源于《仪表技术与传感器》期刊2019年11期）
刘芳[5]（2019）在《基于多特征自适应融合的目标跟踪算法》一文中研究指出针对目标跟踪算法的鲁棒性受外界环境因素影响比较大,且传统算法过多依赖于对单一特征的研究而忽略了图像多个特征之间的联系,破坏了数据之间的关联性,无法最大程度利用原始数据的问题,提出了一种基于多特征自适应融合的目标跟踪算法.算法在对目标进行定位过程中,选择能够突出区分目标和背景的多个特征并建立融合模型,随着环境的变化对特征权值进行动态更新,进而达到自适应融合.通过实验验证可知,多特征自适应融合算法可以很好地在复杂场景下进行目标跟踪,对目标漂移有一定的纠正能力,具有较高的定位准确度和稳定性.(本文来源于《河南科技学院学报(自然科学版)》期刊2019年05期）
曹洁,唐瑞萍,李伟[6]（2019）在《基于扩展的Haar-Like特征和LBP特征的人脸压缩跟踪算法》一文中研究指出针对传统的压缩跟踪算法采用简单的Haar-Like特征而在遮挡、光照变化、物体形变及背景干扰等情况下易产生目标漂移而导致跟踪失败的问题,提出了一种基于扩展的Haar-Like特征和局部二值模式(LBP)特征相结合的改进压缩跟踪算法,并运用于特定目标即人脸的跟踪。利用扩展的Haar-Like特征搜索目标的粗略位置,应用LBP特征充分表征人脸并进行精确跟踪来定位人脸目标的最佳位置。与简单的Haar-Like特征相比,LBP可以构建更稳定的目标表观模型,并扩展原有的Haar-Like特征,使算法在不同环境干扰下更鲁棒,同时也提高了跟踪算法的精度。实验证明:改进后的人脸压缩跟踪算法比传统的算法性能更优越。(本文来源于《传感器与微系统》期刊2019年11期）
汪世财,谈东奎,谢有浩,赵林峰[7]（2019）在《基于激光雷达点云密度特征的智能车障碍物检测与跟踪》一文中研究指出现有的基于点云数据的车载叁维激光雷达障碍物检测和跟踪存在实时性差、准确率不高以及场景内障碍物数目增多时难以有效关联等问题。针对这些不足,文章提出了结合区域生长与密度聚类的算法以及同时考虑了障碍物几何特征与点云密度特征的关联方法。基于栅格地图,运用最大、最小高度图法去除背景点云数据;在得到可靠障碍栅格地图后,搜索匹配8邻域栅格属性,结合自适应阈值的密度特征进行聚类,提高了障碍物检测准确率;考虑了障碍物的点云密度特征和高度特征,提高了障碍物关联的可靠性并运用卡尔曼滤波器对动态障碍物进行了跟踪。在自行搭建的智能车平台上进行的实车实验验证了该文算法的有效性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年10期）
张存,王永坤,钮伟[8]（2019）在《一种基于幅度特征的对海雷达线性跟踪方法》一文中研究指出针对海面复杂目标背景下,多目标跟踪过程中特征辅助优化跟踪精确度低和计算量大等问题,提出一种基于目标幅度特征的对海雷达线性跟踪方法。建立信号幅度的数学模型,将其与计算量线性增长的线性联合综合数据关联(LJIPDA)算法相结合,给出新的基于幅度的线性联合综合数据关联的(LJIPDA-AI)对海雷达线性跟踪方法。仿真验证结果表明,LJIPDA-AI方法较LJIPDA方法有效提高了跟踪精确度,较JIPDA算法有效降低了计算量并提高了跟踪精确度。因此,LJIPDA-AI算法能够显着改善海面复杂目标背景下的多目标跟踪性能。(本文来源于《太赫兹科学与电子信息学报》期刊2019年05期）
刘美枝,杨磊,高海[9]（2019）在《结合角点特征的CamShift目标跟踪算法研究》一文中研究指出在传统的CamShift目标跟踪算法中,仅仅依赖目标的颜色特征,而缺乏目标本身的一些特征,例如,角点,尺度和方向等信息,这将导致跟踪中容易出现中心偏移和无法抵挡目标受干扰等问题。为了能够实时有效地跟踪目标,本文提出一种结合角点特征的CamShift目标跟踪算法。该算法融合了角点的特征不变性,采用基于灰度图像的Harris角点检测算法,在图像的目标区域和候选区域提取包括图像信息的局部特征点,在视频图像相邻帧之间,通过特征点匹配,剔除虚假特征点,得到真实特征点的位置和主方向,用于引导和调整CamShift算法中搜索区域的位置和方向。测试结果表明,与传统的CamShift算法相比,该算法具有更好的跟踪效果和鲁棒性。(本文来源于《山西大同大学学报(自然科学版)》期刊2019年05期）
王松[10]（2019）在《政策性银行跟踪审计应聚焦“政策性”特征》一文中研究指出相较于商业银行,政策性银行在资金来源、信贷投向、经营目标等方面都有着较强的“政策性”特征,因此,对政策性银行开展贯彻落实国家重大政策措施情况跟踪审计应紧紧围绕政策性银行的职能定位,以开发性、政策性业务为主线,全面反映国家经济金融政策和决策部署落实情况,推(本文来源于《中国审计报》期刊2019-10-16）
特征跟踪论文开题报告
（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：
提出了一种基于VGG-Net网络的多层卷积特征融合的相关滤波跟踪算法,提取浅层和深层两种特征,并将二者自适应融合,提高了相关滤波跟踪的准确性和鲁棒性。在DSST算法框架下,提取VGG-Net网络3个卷积层的特征分别训练相关滤波器,在每一层上估计目标位置,融合每层响应获取最终位置。此外,通过筛选降低了卷积特征在每一层的通道数,减少了计算量。在OTB2013数据集上的实验结果表明,当目标遇到模糊、旋转、背景混乱等复杂场景时,算法不仅能保证良好的跟踪精度和鲁棒性,而且能保持较快的跟踪速度。
（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。
特征跟踪论文参考文献
[1].王殿伟,许春香,刘颖.基于多特征融合的核相关滤波目标跟踪算法[J].计算机工程与设计.2019
[2].贾惠,齐苏敏,王来花,姜世浩.融合多层卷积特征的鲁棒相关滤波跟踪[J].通信技术.2019
[3].刘亚东,吴渊,王正军,于海龙,钱法文.基于卫星跟踪的遗鸥活动特征与空间利用研究[J].四川动物.2019
[4].益争祝玛,尚振宏,刘辉,李润鑫.基于多特征融合的运动目标跟踪方法[J].仪表技术与传感器.2019
[5].刘芳.基于多特征自适应融合的目标跟踪算法[J].河南科技学院学报(自然科学版).2019
[6].曹洁,唐瑞萍,李伟.基于扩展的Haar-Like特征和LBP特征的人脸压缩跟踪算法[J].传感器与微系统.2019
[7].汪世财,谈东奎,谢有浩,赵林峰.基于激光雷达点云密度特征的智能车障碍物检测与跟踪[J].合肥工业大学学报(自然科学版).2019
[8].张存,王永坤,钮伟.一种基于幅度特征的对海雷达线性跟踪方法[J].太赫兹科学与电子信息学报.2019
[9].刘美枝,杨磊,高海.结合角点特征的CamShift目标跟踪算法研究[J].山西大同大学学报(自然科学版).2019
[10].王松.政策性银行跟踪审计应聚焦“政策性”特征[N].中国审计报.2019
论文知识图
