中文字幕乱码熟妇五十中出,国产麻豆乱子伦午夜视频观看

2011年03月30日隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，運(yùn)動(dòng)物體的跟蹤與闡發(fā)在圖像處理、計(jì)算機(jī)視覺、標(biāo)準(zhǔn)樣式識(shí)別、人工智能、多媒體技術(shù)等范疇越來越受到人們的存眷。運(yùn)動(dòng)跟蹤的應(yīng)用廣泛；在智能監(jiān)控和人機(jī)交互中，如：銀行、交通、超市等場(chǎng)合常常施用運(yùn)動(dòng)跟蹤闡發(fā)技術(shù)，通過定位物體并對(duì)其行為舉行闡發(fā)，一朝發(fā)明物體有異樣行為，監(jiān)控系統(tǒng)就拍發(fā)警報(bào)，提醒人們注意并即時(shí)的處理，改善了人工監(jiān)督注意力分散、反合時(shí)間較慢、人力資源華侈等問題。在視頻文件索引中，由于未顛末我們處理的視頻文件常常攜帶了大量的冗余信息，細(xì)看這些信息勢(shì)必會(huì)華侈我們大量的時(shí)間，通過對(duì)視頻文件舉行處理，我們可以在瞬息間內(nèi)重現(xiàn)全般過程，在媒體的建造等用患上比較多。運(yùn)用在三維重構(gòu)中，對(duì)于我們未來的計(jì)算機(jī)是不是可以或許帶有人的行為，通過模人格化修辭方式，可以實(shí)現(xiàn)計(jì)算機(jī)具有判別跟蹤物體判別物體的姿式和行為的能力。運(yùn)用在航空和交通監(jiān)控和軍事范疇中，我們可以通過運(yùn)動(dòng)跟蹤闡發(fā)技術(shù)，對(duì)飛機(jī)周圍的物體跟蹤闡發(fā)，從而避免不測(cè)變亂。在軍事范疇，通過定位技術(shù)，我們對(duì)敵方舉行定位，從而高效的打擊。運(yùn)動(dòng)跟蹤的應(yīng)用的范疇之廣，和人們的日常糊口互相關(guān)注，和其今朝依然有一些問題并未完全解決，使患上如何找到一個(gè)高效的萬能的方法實(shí)現(xiàn)每個(gè)跟蹤系統(tǒng)成為現(xiàn)在的一個(gè)熱點(diǎn) 。今朝國內(nèi)外研究運(yùn)動(dòng)跟蹤所采用的方法很多，通常采用的是基于違景和前景的分離、基于特征和基于光流的方法，首先對(duì)于基于違景和前景的分離的技術(shù)，針對(duì)圖像序列的違景是固定的對(duì)象。如早期的違景相減法，效果很好，在工程上也很容易實(shí)現(xiàn)，但是其要求要懂患上圖像序列的違景，如何獲患上固定的違景也是一個(gè)難題，接下來就是幀差分法，實(shí)現(xiàn)了不懂患上違景也能提取違景和運(yùn)動(dòng)物體，通過相鄰的幀的差分結(jié)合閾值法實(shí)現(xiàn)違景的分離，但是其很容易受到噪聲的影響，革新的有三幀差分法和統(tǒng)計(jì)幀差分法。其次，基于特征的跟蹤算法主要是從從圖像中抽取關(guān)鍵的特征，然后在不同的圖像中尋找對(duì)應(yīng)的地區(qū)范圍舉行匹配，然后選擇一定的約束條件用于跟蹤。如：Jun-Wei Hsieh提出了一種基于高斯暗影模子逐步求精的暗影檢驗(yàn)測(cè)定與去除算法選擇顏色作為特征，轉(zhuǎn)換RGB顏色空間到HSV空間，處理跟蹤時(shí)的暗影問題。通過施用邊沿和大概輪廓做為特征，因?yàn)槲矬w的邊沿往往會(huì)有圖像亮度變化比較較著的地區(qū)范圍，對(duì)看護(hù)的敏感度就大大的降低了，通過光流來處理違景是運(yùn)動(dòng)跟蹤，并結(jié)合動(dòng)態(tài)的更新順應(yīng)物體的運(yùn)動(dòng)的轉(zhuǎn)變，但是用于受到紋理的多少影響其顯現(xiàn)，陶午沙、沈振康、李吉成等提出施用ARG物體的標(biāo)準(zhǔn)樣式的新鮮的特征，用（SIFT）這樣可以有效的區(qū)別違景和區(qū)別多物體，，紋理對(duì)于采光的敏感也沒有色彩的強(qiáng)烈，Rafael Bastosa nd José Miguel Salles Dias以紋理作為特征，應(yīng)用到實(shí)時(shí)的跟蹤系統(tǒng)中，結(jié)合在2D空間頂用直方圖展現(xiàn)在特別指定的空間和間隔的亮度再現(xiàn) 。Blum and Langley 1997結(jié)合濾波和小波作為特征，選取的特征基于特別指定問題的特征應(yīng)用，分類施用特征的子集.如結(jié)合PCA算法。[Tieu and Viola 2004]的Adaboost 算法，他結(jié)合小波找到一個(gè)可以結(jié)合一些有程度適當(dāng)?shù)腻e(cuò)誤的分類器的分類器，對(duì)于任意給出的一個(gè)多特征的集合，通過特別指定的分類器訓(xùn)練每個(gè)特征.找到這些特征的分類器的權(quán)重。它擴(kuò)展了分類器的訓(xùn)練能力.特征的權(quán)重越高識(shí)別能力越高. 我們就能夠施用做前邊的權(quán)重特征。而基于光流的方法，則是對(duì)于那一些圖像序列的違景都是運(yùn)動(dòng)的的跟蹤，結(jié)合一些后續(xù)的處理實(shí)現(xiàn)跟蹤，如：Jonathan Mooser提出的施用削減圖和光流相結(jié)合的方法，具有很好色實(shí)時(shí)性。闡發(fā)上邊的方法，我們可以看到，它們基本上沒有用先驗(yàn)幾率，而還有一類方法就是通過統(tǒng)計(jì)建模。其在懂患上物體跟蹤的先驗(yàn)幾率的環(huán)境下，對(duì)全般運(yùn)動(dòng)舉行跟蹤，如：顏色統(tǒng)計(jì)模子跟蹤、直方圖建模、高斯建模等。本項(xiàng)目就是想建立一個(gè)主動(dòng)紋理模子，來有效的舉行活動(dòng)大概輪廓的跟蹤。從大概輪廓跟蹤的發(fā)展可以懂患上，20百年80年月末，Kass等人從一個(gè)全新角度來考慮圖像邊沿檢驗(yàn)測(cè)定，提出了Snakes或主動(dòng)大概輪廓模子，現(xiàn)實(shí)上就是一個(gè)能+量最小的b樣條，內(nèi)部作用力約束他的外形，外力指導(dǎo)向顯著的特征接近。其發(fā)展很快，運(yùn)用的范疇也很廣，其數(shù)據(jù)、初始估計(jì)、目標(biāo)大概輪廓及基于常識(shí)的約束都同一于一個(gè)特征提取過程中;適本地初始化后，它可以或許自立地收斂于能+量極小值狀態(tài);度空間中由粗到精地極小化能+量可以潑天地?cái)U(kuò)展捕獲地區(qū)范圍和降低計(jì)算龐大性.但是也有這些缺點(diǎn)，始位置敏感，需要依賴其他機(jī)制將Snake放置在感興趣的圖像特征附近;模子的非凸性，它有可能收斂到局部極值點(diǎn)，甚至發(fā)散.menet提出的B樣條的主動(dòng)大概輪廓模子，通過分割模子為若干曲線段，對(duì)于初始點(diǎn)你的選取具有很好的效果。按照外形控制體式格局的不同，模子一般可分為局域外形約束法及全局外形約束法，如A.A.Amini動(dòng)態(tài)規(guī)劃的snake算法，開辟了主動(dòng)大概輪廓的組合優(yōu)化的先河，其加上了全局的約束然后使患上效果更好。william貪心snake算法，實(shí)現(xiàn)了動(dòng)態(tài)大概輪廓模子，速度越發(fā)快。接著caselles和Kichenassmy等人又將水平集方法應(yīng)用于主動(dòng)大概輪廓描述和模子求解。xuchenyang提出的GVF snake模子有效的解決了主動(dòng)大概輪廓的非凸性。ASM方法是一種基于特征闡發(fā)的方法，是對(duì)ACM的革新，它引入了模子的先驗(yàn)常識(shí)，比ACM方法具有更好的魯棒性，通過提取出局部大概輪廓信息及灰度信息與模子量舉行對(duì)比做定位。施用PCA對(duì)訓(xùn)練樣本舉行處理，獲患上樣本集中不同樣本之間的大概輪廓和大概輪廓邊沿灰度值的變化信息，哄騙該變化信息建立的統(tǒng)計(jì)模子可以較好地表示訓(xùn)練集中的樣本，故將此模子應(yīng)用到圖像定位取患上了較好的定位效果。但是，ASM也存在一定的局限性，其定位機(jī)能依賴于先驗(yàn)?zāi)Ｗ拥某跏嘉恢?。本項(xiàng)目就想通過研究比ASM越發(fā)具有優(yōu)越性的AAM 解決上邊的不足，針對(duì)多物體存在遮攔的跟蹤，擬建立一個(gè)非剛體的大概輪廓跟蹤模子，并運(yùn)用于跟蹤的其他范疇。總的來講，圖像序列中的目標(biāo)跟蹤，就是在每幀圖像中檢驗(yàn)測(cè)定出每個(gè)獨(dú)立運(yùn)動(dòng)的目標(biāo)，并在后繼幀中定位出這些目標(biāo)的過程。從違景中檢驗(yàn)測(cè)定出目標(biāo)并舉行跟蹤的過程涉及到違景雜波的抑制、目標(biāo)分割、跟蹤軌跡和對(duì)軌跡的預(yù)測(cè)等一系列問題，通?？煽啃院蛯?shí)時(shí)性是跟蹤過程中的兩個(gè)重要指標(biāo) 。本項(xiàng)目就是計(jì)劃通過在國內(nèi)外已經(jīng)有的研究成果的基礎(chǔ)上，針對(duì)運(yùn)動(dòng)跟蹤的不容易解決之處，把研究的重心放在運(yùn)動(dòng)跟蹤的物體的提取上邊，解決提取的過程中的暗影、遮攔和自遮攔、和多物體的跟蹤所出現(xiàn)的不容易解決之處。進(jìn)一步推進(jìn)運(yùn)動(dòng)跟蹤的進(jìn)展，實(shí)現(xiàn)后續(xù)的物體的跟蹤和數(shù)據(jù)的管理，搭建一個(gè)用于運(yùn)動(dòng)跟蹤的研究平臺(tái)和原型系統(tǒng)，建立人體跟蹤的新方法，并基于該方法建立機(jī)能優(yōu)良的人體跟蹤。2.項(xiàng)目的研究內(nèi)容、研究目標(biāo)，和擬解決的關(guān)鍵科學(xué)問題 2.1研究目標(biāo)搭建一個(gè)用于運(yùn)動(dòng)跟蹤的研究平臺(tái)和原型系統(tǒng)建立人體跟蹤的新方法，并基于該方法建立機(jī)能優(yōu)良的人體跟蹤2.2研究內(nèi)容運(yùn)動(dòng)目標(biāo)檢驗(yàn)測(cè)定與跟蹤違景建模與魯棒提取技術(shù)運(yùn)動(dòng)地區(qū)范圍提取運(yùn)動(dòng)目標(biāo)提取運(yùn)動(dòng)目標(biāo)跟蹤跟蹤信息的管理基于活動(dòng)大概輪廓人的跟蹤大概輪廓提取ACM方法，ASM方法，AAM方法研究人的大概輪廓建模方法，PCA方法，研究視頻文件圖像人的檢驗(yàn)測(cè)定與跟蹤研究活動(dòng)大概輪廓在人的大概輪廓跟蹤中的運(yùn)用數(shù)據(jù)的管理基于運(yùn)動(dòng)目標(biāo)的視頻文件摘要新技術(shù)研究研究運(yùn)動(dòng)對(duì)象的表示方法研究運(yùn)動(dòng)對(duì)象的分割與融合或鑲嵌技術(shù)研究運(yùn)動(dòng)對(duì)象對(duì)象之間的碰撞機(jī)制人的行為闡發(fā)與報(bào)警運(yùn)動(dòng)跟蹤軟件系統(tǒng)布局研究 2.3擬解決的科學(xué)關(guān)鍵問題在舉行運(yùn)動(dòng)物體的提取的時(shí)候，實(shí)現(xiàn)前景和違景的分離時(shí)，常常會(huì)受到采光的變化、物體的運(yùn)動(dòng)的速度、遮攔與自遮攔、物體的突然突入與消散、違景的獲取很難，怎樣魯棒、高效、實(shí)時(shí)的提取出違景成為了關(guān)鍵性問題之一。跟蹤中我們的物體必然會(huì)因?yàn)檫\(yùn)動(dòng)而造成在視頻文件序列中的相對(duì)位置轉(zhuǎn)變、巨細(xì)的變化、和發(fā)生扭轉(zhuǎn)等。這樣我們選擇的算法必須可以或許有效的提取運(yùn)動(dòng)物體，并舉行闡發(fā) 。提取出來的物體如何對(duì)其數(shù)據(jù)高效的分類、統(tǒng)計(jì)和管理也是關(guān)鍵性問題之一。在物體的跟蹤的時(shí)候，由于跟蹤的物體分剛體與非剛體，如：人的跟蹤，其屬于非剛體，其運(yùn)動(dòng)會(huì)帶來姿式的變化使患上運(yùn)動(dòng)的可預(yù)見性大受影響；對(duì)于非剛體的人的關(guān)節(jié)之多，如何實(shí)現(xiàn)某一個(gè)部位的跟蹤，如頭的檢驗(yàn)測(cè)定跟蹤也是一個(gè)關(guān)鍵性的問題。由于實(shí)時(shí)的監(jiān)控系統(tǒng)，我們的人如果需要拜候前邊以前的數(shù)據(jù)，如何把以前的數(shù)據(jù)有效的統(tǒng)計(jì)管理也是一個(gè)關(guān)鍵性的問題。采用活動(dòng)大概輪廓跟蹤時(shí)，對(duì)于初始點(diǎn)的選取問題，如何選擇一個(gè)有效的方法，解決現(xiàn)有的大概輪廓跟蹤方法對(duì)于跟蹤的物體不是凸性存在的問題。如何革新的方法使患上做出來的跟蹤方法具有高效、瞬息性。對(duì)于大概輪廓特征的降維的問題3.擬采取的研究方案及可行性闡發(fā) 3.1總體技術(shù)方案圖像序列-->違景的提?。ǜ拢?->物體的提取-->運(yùn)動(dòng)的分割-->物體的跟蹤-->物體行為的闡發(fā)-->數(shù)據(jù)庫的信息的管理。3.2研究方法違景想減法幀差法光流法ACM(主動(dòng)大概輪廓模子)ASM（主動(dòng)外形模子）AAM（主動(dòng)紋理模子）HMM（馬爾科夫模子）貝葉斯模子SVT（支撐向量跟蹤）PCA3.3 技術(shù)路線上是違景相減法和幀差法結(jié)合提取違景的跟蹤：視頻文件序列-->大概輪廓提取->建立模子->模子匹配1，熬頭步主要的目的是采樣獲患上訓(xùn)練樣本集，主要是角點(diǎn)和一些連接點(diǎn) 。2，第二步主要是通過對(duì)于樣本集，找到基礎(chǔ)的圖像，做歸一性變換，結(jié)合降維獲患上新的模子。3，迭代模子匹配。以上各個(gè)步調(diào)均可以選擇更好的方法革新。擬研究ACM和ASM后從AAM中突破。在vc++的平臺(tái)下，通過對(duì)一個(gè)視頻文件流先是做違景和前景分離處理，獲患上的一個(gè)違景的模塊和前景模塊，當(dāng)我們的攝像頭是靜止的時(shí)候我們就能夠施用我們就能夠施用違景想減法或幀差分法，而對(duì)于運(yùn)動(dòng)的違景則我們可以施用光流法，提取出來的違景，對(duì)于新進(jìn)來的圖像序列和本來的違景就能夠施用預(yù)測(cè)加更新的辦法，對(duì)于每一次提取到的物體對(duì)其位置、面積、顏色、時(shí)間、速度等信息舉行統(tǒng)計(jì)并放入sql數(shù)據(jù)庫中，在空間中，運(yùn)動(dòng)可以用運(yùn)動(dòng)場(chǎng)描述。而在一個(gè)圖像平面上，物體的運(yùn)動(dòng)往往是通過圖像序列中不同圖象灰度分布的不同體現(xiàn)的。從而，空間中的運(yùn)動(dòng)場(chǎng)轉(zhuǎn)移到圖像上就表示為光流場(chǎng)，光流場(chǎng)反映了圖像上每一點(diǎn)灰度的變化趨向。光流可以看作帶有灰度的像素點(diǎn)在圖像平面運(yùn)動(dòng)產(chǎn)生的瞬時(shí)速度場(chǎng) 。該方法是在光流約束條件（指沿運(yùn)動(dòng)軌跡上的目標(biāo)強(qiáng)度不變）下檢驗(yàn)測(cè)定目標(biāo)運(yùn)動(dòng)參數(shù) 。它依據(jù)幀內(nèi)、幀間圖像亮度梯度估算光流場(chǎng)，用篩子選出光流較大的運(yùn)動(dòng)目標(biāo)地區(qū)范圍并計(jì)算出運(yùn)動(dòng)目標(biāo)的矢量速度場(chǎng)，從而實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤。這樣我們通過光流法就能夠獲患上運(yùn)動(dòng)的地區(qū)范圍。采用大概輪廓建立跟蹤模子，全般圖像序列都是具有大概輪廓的，通過大概輪廓的先驗(yàn)幾率，建立模子，然后通過新建立的大概輪廓模子和進(jìn)來的視頻文件流舉行匹配就能夠?qū)崿F(xiàn)全般運(yùn)動(dòng)跟蹤。而且對(duì)于遮攔等處理越發(fā)穩(wěn)定。本項(xiàng)目對(duì)于處理的跟蹤有多物體的運(yùn)動(dòng)時(shí)候依然具有良好的效果，對(duì)于采光、暗影、遮攔等因素的影響除去患上比較好。采用革新的算法比本來的算法越發(fā)具有穩(wěn)定性，大大提高了速度。通過建立AAM（主動(dòng)紋理模子）運(yùn)用于運(yùn)動(dòng)活動(dòng)大概輪廓人的跟蹤，解決ACM和ASM的初始大概輪廓點(diǎn)的初始化比較堅(jiān)苦和大概輪廓處理非凸模子的不足，并結(jié)合貝葉斯模子建立一個(gè)貝葉斯主動(dòng)紋理模子，使患上模子對(duì)于處理多物體跟蹤和有物體遮攔和突現(xiàn)的跟蹤時(shí)具有很好的穩(wěn)定性。估計(jì)1年半完成2008.10 ～ 2009.02 2009.03 ～ 2009.07 2009.08 ～ 2010.02 發(fā)表論文運(yùn)動(dòng)跟蹤與智能監(jiān)控研究綜述1篇違景建模及魯棒提取技術(shù)1篇活動(dòng)大概輪廓新技術(shù)1－2篇活動(dòng)大概輪廓新技術(shù)用于人體跟蹤1篇基于運(yùn)動(dòng)目標(biāo)的視頻文件摘要新技術(shù)2－3篇人體行為闡發(fā)1－2篇運(yùn)動(dòng)跟蹤原型系統(tǒng) --- [1]Claudette Cédras and Mubarak Shah，A Survey of Motion Analysis from Moving Light Displays. Computer Vision and Pattern Recognition，1994. [2] C. Cédras，M. Shah. Motion-based recognition:a survey.Image and Vision Computing，Vol. 13，No. 2，pp. 129-155，1995. [3] D. M. Gavrila. The Visual Analysis of Human Movement: A Survey. Computer Vision and Image Understanding，Vol. 73，No. 1，pp. 82–98，1999. [4] T. B. Moeslund，E. Granum. A survey of computer vision-based human motion capture. Computer Vision and Image Understanding，Vol. 81，No. 3，pp. 231-268，2001. [5] Weiming Hu，Tieniu Tan，Liang Wang，and Steve Maybank. A Survey on Visual Surveillance of Object Motion and Behaviors. IEEE Transactions on Systems，Man and Cybernetics，Part C: Applications and Reviews ，Vol. 34，No. 3，pp. 334-352，Aug. 2004. [6] 侯志強(qiáng)，韓崇昭. 視覺跟蹤技術(shù)綜述. 自動(dòng)化學(xué)報(bào)，32(4): 603-617，2006.[7] A. Yilmaz，O. Javed，M. Shah. Object Tracking: A Survey. ACM Journal of Computing Surveys，Vol. 38，No. 4，Dec. 2006.[8] Huiyu Zhou，Huosheng Hu. Human motion tracking for rehabilitation—A survey. Biomedical Signal Processing and Control，Vol. 3，No. 1，1-18，2008. (Medical image processing)[9] Shinjiro Kawato，Jun Ohya.Two-step Approach for Real-time Eye Tracking with a New Filtering Technique.IEEE Transaction on DSP.2000:1366~1371[10] Simon Haykm.Adaptive Filter Theory(Fourth Edition).鄭寶玉等譯.電子工業(yè)出版社.2003(7):369~397[11] Greg Welch，Gary Bishop.An Intorduction to the Kalman Filter.UNC-Chapel Hill，TR 95-041.2004:1~16[12] Shrif Abd El-Azim，Imbaby Ismail and Howida Abd El-latiff.An Efficient Object Tracking Technique Using Block-Matching Algorithm.Nineteenth National Radio Science Conference，Alexandria，March.2002:427~433[13] Duan Ling-Yu，Xu Min and Tian Qi.Mean Shift Based Video Segment Representation and Applications to Replay Detection.IEEE International Conference on Acoustics，Speech and Signal Processing，Montreal，Quebec，Canada.2004(5):709~712[14] D.Comaniciu，V.Ramesh and P.Meer.Real-Time Tracking of Non-Rigid Objects Using Mean Shift.Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition，Hilton Head，SC.2000:142~149[15] A.J.Lipton，H.Fujiyoshi.Moving Target Classification and Tracking from Real-time Video.Proceedings of IEEE Image Understanding Workshop.1998: 129~136[16] G.L.Foresti.Object Recognition and Tracking for Remote Video Surveillance. IEEE Transaction on Circuits and Systems for Video Technology.1999，9(7): 1045~1062[17] E.Stringa，C.S.Regazzoni.Real-time Video-shot Detection for Scene Surveillance Applications.IEEE Transactions on Image Processing.2000，9⑴:69~79[18] K.Toyama，J.Krumm and B.Brumitt，etc.Wallflower:Principles and Practice of Background Maintenance.Proceedings of the Seventh IEEE Internationl Conference on Computer Vision，Kerkyra，Greece.1999⑼:255~261[19] Nils T Siebel: "Design and Implementation of People Tracking Algorithms for Visual Surveillance Applications". PhD thesis，Department of Computer Science，The University of Reading，Reading，UK，March 2003.[20] T F Cootes，C J Taylor，andALanitis Active shape models Evaluation of amulti-resolution method for improving image search. In British MachineVisionConference，volume 1，pages 327-336，1994.[21] M Kass，A Witkin，and D Terzopoulos，Snakes: Active contour models. In First International Conference on Computer Vision，pages 259-268，1987.[22] D Terzopoulos and R Szeliski. Tracking with kalman snakes. In A Blake and A Yuille，editors，Active Vision，chapter 1，pages 3-20. MIT Press，1992.[23]A Blake，R Curwen，and A Zisserman. Aframework for spatio-temporal control in the tracking of visual contours. International Journal of computer Vision，1993.[24] N Murphy，N Byrne，and K OLeary. Long sequence analysis of human motion using eigenvector decomposition. In Proc. SPIE，September 1993.[25] Nils T Siebel: "Design and Implementation of People Tracking Algorithms for Visual Surveillance Applications". PhD thesis，Department of Computer Science，The University of Reading，Reading，UK，March 2003.[26] MICHAEL J. BLACK.EigenTracking: Robust Matching and Tracking of Articulated Objects Using a View-Based Representation. EigenTracking: Robust Matching and Tracking of Articulated Objects Using a View-Based Representation. International Journal of Computer Vision 26⑴，63–84 (1998).[27]Yuan Chen1，Shengsheng Yu1，Jun Fan1，Wenxin Chen2，Hongxing Li3:An Improved Color-Based Particle Filter for Object Tracking.978-0-7695-3334-6/08 $25.00 © 2008 IEEE DOI 10.1109/WGEC.2008.110[28] Mustafa H西方強(qiáng)國in ，Eli Saber，Vladimir Misic，and Stephen P. Joralemon.DYNAMIC OBJECT TRACKING BY PARTIAL SHAPE MATCHING FOR VIDEO SURVEILLANCE APPLICATIONS.1-4244-0481-9/06/$20.00 C2006 IEEE[29 Shinya Yamamoto，Yasushi Mae，Yoshiaki Shirai，and Jun Miura.Realtime Multiple Object Tracking Based on Optical Flows.IEEE International Conference on Robotics and Automation - 2328 - 0-7803-1965-6/95 $4.00 01995 IEEE[30] Feng Tang and Hai Tao.Object Tracking with Dynamic Feature Graph.Proceedings 2nd Joint IEEE International Workshop on VS-PETS，Beijing，October 15-16，2005[31] Krystian Mikolajczyk and Cordelia Schmid.An affine invariant interest point detector.[32] Shai Avidan.Support Vector Tracking.IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL. 26，NO. 8，AUGUST 2004[33] Aleksandar Lazarevic，Tim Fiez，Zoran Obradovic.Adaptive Boosting for Spatial Functions with Unstable Driving Attributes.[34] Claudette C6dras and Mubarak Shah.Motion-based recognition:a survey.0262-8856/95/$09.50 0 1995 Elsevier Science B.V. All rights reserved Image and Vision Computing Volume 13 Number 2 March 1995[35] J. K. AGGARWAL，On the Computation of Motion from Sequences of Images-A Review.PROCEEDINGS OF THE IEEE，VOL. 76，NO. 8，AUGUST 1988[36] Christopher Richard Wren，Ali Azarbayejani，Trevor Darrell，and Alex Paul Pentland.Pfinder: Real-Time Tracking of the Human Body.IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL. 19，NO. 7，JULY 1997[37] Weiming Hu，Tieniu Tan，F(xiàn)ellow，IEEE，Liang Wang，and Steve Maybank.A Survey on Visual Surveillance of Object Motion and Behaviors.IEEE TRANSACTIONS ON SYSTEMS，MAN，AND CYBERNETICS—PART C: APPLICATIONS AND REVIEWS，VOL. 34，NO. 3，AUGUST 2004[38] Ismail Haritaoglu，Member，IEEE，David Harwood，Member，IEEE，and Larry S. Davis，F(xiàn)ellow，IEEE.W4: Real-Time Surveillance of People and Their Activities.IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL. 22，NO. 8，AUGUST 2000[39] P. Tissainayagama，D. Suterb.Object tracking in image sequences using point features.0031-3203/$30.002004 Pattern Recognition Society. Published by Elsevier Ltd. All rights reserved. doi:10.1016/j.patcog.2004.05.011[40] Hieu T. Nguyen and Arnold W.M. Smeulders，Member，IEEE.Fast Occluded Object Tracking by a Robust Appearance Filter.IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL. 26，NO. 8，AUGUST 2004[41] Infineon Technologies AG，Corporate Research.CONTOUR-B ASED MOTION ESTIMATION AND OBJECT TRACKING FOR REAL-TIME APPLICATIONS.0-7803- 6725-1 /01 /$10.000 200 1 IEEE[42] Michael A. Greminger.Deformable Object Tracking Using the Boundary Element Method.Proceedings of the 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’03)1063-6919/03 $17.00 © 2003 IEEE[43] Jonathan Mooser Suya You Ulrich Neumann.Real-Time Object Tracking for Augmented Reality Combining Graph Cuts and Optical Flow.Authorized licensed use limited to: CHONGQING UNIVERSITY. Downloaded on October 16，2008 at 21:24 from IEEE Xplore. Restrictions apply.

以上關(guān)于本文的內(nèi)容，僅作參考！溫馨提示：如遇健康、疾病相關(guān)的問題，請(qǐng)您及時(shí)就醫(yī)或請(qǐng)專業(yè)人士給予相關(guān)指導(dǎo)!

「愛刨根生活網(wǎng)」www.malaban59.cn小編還為您精選了以下內(nèi)容，希望對(duì)您有所幫助：

運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤