基于协方差矩阵的压缩感知跟踪算法

压缩感知是信号处理领域的新理论,用于目标跟踪算法时可在大量底层特征中提取出少量重要信息,减少计算量,提高算法速度。传统的基于压缩感知的跟踪算法,为了保证算法速度,对压缩后的特征简单建模,准确性还有待提高。提出一种基于协方差矩阵的压缩感知跟踪算法,先利用压缩感知原理获取压缩后的Haar特征,再利用协方差矩阵融合Haar特征区域内的底层多维特征,以此构建目标模型,并通过搜索当前目标区域的邻域,利用流形空间上的距离度量算法匹配最佳目标,从而提高算法准确性。     

视频中人脸的实时跟踪

介绍了一种简单、快速的实时视频人脸对象跟踪算法．在使用肤色检测算法进行人脸区域定位的基础上,采用差分运动估计,确定最大的搜索区域,在此区域使用两个正交的边缘梯度跟踪模型和内部肤色像素统计直方图跟踪模型跟踪人脸．本算法较好地解决了跟踪的连续性、实时性和精确度间的矛盾．实验结果表明本算法能够对人脸进行实时跟踪,具有一定实际应用价值．     

基于均值移动重要性采样的粒子滤波人脸跟踪算法

针对condensation目标跟踪算法中用先验转移概率作建议分布函数时没有充分考虑最新观测信息的缺点,提出了一种基于均值移动重要性采样的粒子滤波人脸跟踪算法.算法首先利用均值移动跟踪器粗略定位人脸目标,然后再用此跟踪结果去构造建议分布函数进行粒子传播.由于通过该方法所构造的建议分布函数中包含了最新的观测信息,所以它可以使大多数粒子点都能分布在真实状态区域周围,进而提高了粒子传播的准确性.人脸跟踪结果表明,该算法的跟踪性能明显优于标准condensation方法.     

用于机器人目标跟踪的压缩感知的改进算法

针对机器人进行目标跟踪时的跟踪算法,对压缩感知在视频目标跟踪中的应用进行了改进,通过对图像进行伽马变换,以平滑图像的明亮程度,使其能够更好适应复杂环境。研究结果表明,改进的算法有效地增加算法的鲁棒性和提高算法的效率。     

一种基于压缩感知的目标DOA估计方法

对于水下目标的波达方向估计(DOA)问题,提出一种基于压缩感知的估计方法。压缩感知(CS)是近年来出现的一种新的数据获取方法,能以低于Nyquist的采样率对稀疏数据或可压缩数据进行采样并以高概率对采样数据恢复重构。以水下目标的方位信号为估计对象,采用CS的正交匹配跟踪(OMP)技术估计稀疏信号中能量较强的位置,从而实现对目标的定向。为了验证基于CS技术的DOA估计方法的性能,将其与传统的MUSIC算法进行了对比,仿真验证的结果表明,新方法在估计角分辨率和有效性方面均优于MUSIC算法。     

视频中实时多人脸跟踪器系统

提出一种基于改进的Mean Shift算法的多人脸跟踪器.首先建立多个Mean Shift跟踪器对视频中的多个目标分别进行跟踪,针对多人脸跟踪过程中目标粘连、遮挡、个体对应以及目标更新等难题,提出最优排序法、目标消除法、多辅助信息和表决制策略等解决方案.引入卡尔曼滤波器预测目标的中心位置,减少目标丢失的可能性,提高算法的实时性.实验表明,该多人脸跟踪器可实时地实现多人脸跟踪,具有很强的鲁棒性.     

基于D-LLE算法和图像分块的人脸识别方法

人脸识别是当前计算机视觉领域的一个研究热点,在日常生活中的应用也非常广泛.近年来,流形被认为是视觉感知的基础,利用流形学习算法可以寻找图像的内在特征.文章提出一种基于差异性值监督LLE(D-LLE)算法和图像分块的人脸识别方法,首先对提取的人脸图像进行分块,然后利用D-LLE算法进行人脸子图像集特征提取,最后使用最近邻分类器进行人脸图像识别.通过与现有人脸识别方法进行仿真结果比较,该方法能够取得较好的识别效果.     

基于压缩感知的电能质量信号重构算法研究

为解决传统电能质量信号在采样时面临的采样率高,采样资源浪费和硬件成本高的问题,压缩感知理论被引入到电能质量信号的采样与重构过程。信号的稀疏表示是压缩感知理论中的关键问题,一般选择正交基作为压缩感知中的稀疏变换基。基于多重扰动的电能质量信号,本文提出了基于不同干扰的电能质量模型来选择不同的信号稀疏变换基的压缩感知重构算法。实验证明与整个信号采用单一DCT变换基或FFT变换基的压缩感知重构算法相比,本文提出的方法具有更好的信号重构性能。     

基于PCA和神经网络的人脸识别算法研究

在MATLAB环境下,取ORL人脸数据库的部分人脸样本集,基于PCA方法提取人脸特征,形成特征脸空间,然后将每个人脸样本投影到该空间得到一投影系数向量,该投影系数向量在一个低维空间表述了一个人脸样本,这样就得到了训练样本集。同时将另一部分ORL人脸数据库的人脸作同样处理得到测试样本集。然后基于最近邻算法进行分类,得到识别率,接下来使用BP神经网络算法进行人脸识别,最后通过基于神经网络算法和最近邻算法进行综合决策,对待识别的人脸进行分类。     

采用压缩感知的数字广播信道估计(英文)

为降低导频数目并提高频谱利用率,将最新提出的压缩感知技术应用于数字广播的信道估计.在欧洲电信标准协会DRM标准规定的6种信道模式中,对于确定了信道模式多径数目的情况,采用子空间跟踪算法估计各径的时延扩展和衰减,设定算法迭代终止条件为估计结果的稀疏度等于多径数目;对于多径数目未知的情况,采用正交匹配追踪算法估计信道参数,设定算法迭代终止条件为估计误差等于噪声方差.仿真结果表明,在相同的导频数目下,压缩感知算法优于传统的基于内插的最小二乘信道估计算法;在多径数目先验的情况下,子空间跟踪算法优于正交匹配追踪算法.