搜索资源列表
-
0下载：
ACCV 09的一篇文章《visual saliency based object tracking》-ACCV 09 article " visual saliency based object tracking"
-
-
0下载：
A paper on A Kalman Filter Based Visual Tracking Algorithm for an Object Moving in 3D
-
-
0下载：
A MULTI-HYPOTHESIS APPROACH FOR SALIENT OBJECT TRACKING IN VISUAL
SURVEILLANCE
-
-
0下载：
计算机视觉是研究用计算机模拟生物外显或宏观视觉功能的科学和技术。作
为计算机视觉研究的一个分支—运动目标的检测与跟踪，就是对视场内的运动目
标，如人或车辆等，进行实时的观测，并在此基础上对被观测对象进行分类，然
后分析它们的行为。近年来，计算机视觉的研究重点已经从对静态图像的研究过
渡到对动态图像序列的研究上面，这方面的典型应用包括自动化的视频监控系
统、视频MPEG编解码技术、人机交互的感知接口、军事上的制导、雷达视频
图像中的
-
-
0下载：
计算机视觉研究的主要问题之一是运动物体的检测与跟踪, 它将图像处理、模式识别、自动控制、人
工智能和计算机等很多领域的先进技术结合在了一起, 主要应用在军事视觉制导、视频监控、医疗诊断和智能交通
等各个方面, 因此该技术已经成为一个重要的研究方向。阐述了视觉跟踪算法的研究现状和视觉跟踪算法的种类,
研究了基于区域的跟踪算法、基于模型的跟踪算法、基于特征的跟踪算法和基于主动轮廓的跟踪算法, 探讨了视觉
跟踪算法的未来研究方向。-One of the computer vision
-
-
2下载：
稀疏表达及其应用的简单介绍，其中涵盖了稀疏表示、特征提取、压缩感知、图像增强、盲源分离、模式分类、目标跟踪和图像超分辨等。PPT和PDF是对应的，并添加了可视化的结果。-Sparse Representation and Its Application: Compressive Sensing, Visual Feature, Image Enhancement, Blind Source Separation, Pattern Classification, Object Tracking a
-
-
0下载：
该文章对视觉跟踪算法进行了回顾，作者是Yilmaz and Shah,该文是视觉跟踪的入门文章。-This article reviews the visual tracking algorithm, the author is Yilmaz and Shah, this paper is the introductory article for the visual tracking.
-
-
0下载：
基于特征的视觉里程计系统主要由特征检测与跟踪模块以及位姿计算模块两部分组成.为分析车载视觉里程计系统中引入车辆运动学约束的位姿计算算法性能,根据摄像机成像及视觉几何学原理,采用Matlab结合车辆动力学仿真软件CarSim建立车载视觉里程计仿真平台.该仿真平台由车辆运动仿真模块、成像仿真模块、数据显示与分析模块组成,仿真平台的测试对象为视觉里程计的位姿估计算法模块.该仿真平台充分考虑车载视觉定位系统的运动特性,为研究车辆运动学约束在视觉里程计系统中的应用提供新的思路和工具.对提出的一种全新的基于
-
-
0下载：
擴增實境技術是在真實視訊影像中加入虛擬物件，並透過追蹤與定位技術，可以與人們產生良好之互動效果。在視覺追蹤應用領域裡，可分為標記與無標記兩類應用。標記識別技術較為成熟，目前擴增實境開發平台以採用標記識別為主；至於無標記則侷限在特定方法之識別追蹤應用領域，例如樂高玩具利用包裝盒上之印刷圖片當作辨識物件。面對無標記擴增實境之應用日趨重要，且必須因應不同物件採用不同特徵之識別追蹤方法來達成無標記擴增實境之應用。而目前擴增實境平台並不提供模組化方式來替換識別追蹤方法，因此本文提出無標記擴增實境實驗平台，
-
-
0下载：
影像視覺追蹤與定位技術可用於擴增實境之應用，依使用標記與否，可分為標記與無標記兩類技術。標記識別技術較為簡單，且較為成熟，但受限於需使用特殊之標記。無標記識別技術使用一般自然物件來取代特殊標記，應用較為彈性，但必須能正確擷取出欲辨識物件有用之特徵點。現有擴增實境之開發函式庫或開發平台，主要目的為提供擴增實境之應用開發，不提供無標記擴增實境技術研究方法之驗證。故本文深入研究探討如何整合ARToolKit、OpenCV與OpenGL等函式庫，設計無標記擴增實境整合平台。且此平台各項功能採用模組化設計
-
-
0下载：
目前擴增實境技術相關應用大部分以使用標記為主，但各式應用需求與日俱增，無標記(markerless)擴增實境技術使用上更具彈性，不必受限於標記的使用，因此應用層面更廣。視覺追蹤技術是擴增實境系統重要底層核心技術之一，但使用視覺追蹤技術在實際應用上易受到追蹤物件本身及外觀變化之影響，因此本文提出適用於無標記擴增實境應用之物件追蹤方法，能有效追蹤各式真實物件。首先框選設定追蹤物件；接著擷取物件特徵值，藉由特徵值比對以持續追蹤物件，並利用金字塔L-K光流法以縮短比對運算時間；最後經由2D-3D座標轉換
-
