1) mean-shift algorithm
mean-shift算法
1.
This paper proposed a real-time automatic face tracking algorithm which combined face detection and mean-shift algorithm with Kalman filter.
提出了一种人脸检测、mean-shift算法与卡尔曼滤波器相结合的实时全自动人脸跟踪算法。
2.
It uses affine model to estimate the moving character of the background for detecting,and uses mean-shift algorithm for tracking.
介绍了一种应用于自动跟踪装置上的运动背景下目标检测与跟踪的方法,采用仿射模型作背景运动估计进行检测以及mean-shift算法跟踪目标,并将该方法应用到一套自动跟踪系统实验平台上。
3.
With the mean-shift algorithm, the movement direction of density function grads can be obtained easily, thus controling the direction and the intensity of derivation.
利用mean-shift算法可以方便、快捷地得到密度函数梯度的变化方向,从而控制衍生的方向和强度。
2) Mean Shift algorithm
Mean Shift算法
1.
A novel infrared moving object tracking method based on particle filter and Mean Shift algorithm was presented.
提出一种基于粒子滤波及Mean Shift算法的红外运动目标跟踪方法。
2.
The research of its convergence of Mean Shift algorithm is the foundation of its application.
首先指出了Comaniciu和李乡儒的证明过程存在错误;然后,从数学上重新证明了Mean Shift算法的局部收敛性,并指出其收敛到局部极大值的条件;最后,从几何上举反例分析了Mean Shift的收敛性,并进行了深入比较和讨论。
3.
Then it tracks the object by combining the Mean Shift algorithm and moving detection algorithm.
提出了一种彩色序列图像中的实时运动目标跟踪算法,该算法首先利用综合帧间差分法与背景差分法两种方法优点的动态背景更新算法来检测各种运动目标,在后续的图像序列中,利用运动检测算法来确定目标跟踪的起始点,并利用Mean Shift算法来跟踪运动物体;然后再更新Mean Shift的目标模板。
3) Mean-Shift
Mean-Shift算法
1.
An improved moving object tracking algorithm is presented based on the framework of traditional Kalman filter and Mean-Shift optimization.
构建运动目标图像区域的金字塔,采用Kalman滤波预测耦合Mean-Shift算法的框架,在尺度、位移空间内进行优化匹配搜索,确定最佳候选目标的位置信息。
2.
To solve some difficult problems in object tracking algorithm,an Mean-shift based on Gaussian mixture models(GMM) and scene information(MGSI) method was developed.
为解决目标跟踪算法中的某些难点问题,提出以Mean-shift算法为基础,基于高斯混合模型(GMM)前景分割和场景信息的MGSI方法。
3.
This method adopts mean-shift procedure and using new PDF(probability density function)replaces traditional PDF which only selects gray feature to represent targets.
实验结果表明,该算法与mean-shift算法相比,跟踪稳定得到了较大改进,取得了理想的跟踪效果。
4) Mean Shift
mean shift算法
1.
This paper actualizes a system capable of tracking and detecting objects under the DirectShow environment, and concentrates on Mean Shift algorithm.
在视觉跟踪领域中,Mean Shift算法是一种优秀的跟踪方法,它出色的解决了视频序列中相邻两帧图像之间运动目标的匹配问题,能够始终将被跟踪目标保持在图像的中心区域,具有快速和有效的特点。
5) Mean-Shift tracking algorithm
Mean-Shift跟踪算法
1.
It is well known that the Mean-shift tracking algorithm fails in tracking targets when suffering from changes of light,shadows,or/and similar objects approaching to the tracked one.
针对Mean-shift跟踪算法,在目标色彩特征不突出,或受到光照、阴影等影响,或有干扰物体靠近目标时,很容易发生跟踪错误等问题,采用色彩融合模版和位置预测来提高Mean-shift跟踪算法的性能。
6) Mean-shift Segmentation Algorithm
mean-shift分割算法
补充资料：Stokes shift
分子式：
CAS号：
性质：分子荧光是发生于从第一激发单线态的最低振动能级向基态跃迁而辐射光子的过程，在理想情况下，分子荧光光谱是其吸收光谱的镜像，而荧光波长通常向长波长方向移动，此规则称为斯托克斯规则，最大荧光波长与最大吸收波长之差称为斯托克斯位移。
CAS号：
性质：分子荧光是发生于从第一激发单线态的最低振动能级向基态跃迁而辐射光子的过程，在理想情况下，分子荧光光谱是其吸收光谱的镜像，而荧光波长通常向长波长方向移动，此规则称为斯托克斯规则，最大荧光波长与最大吸收波长之差称为斯托克斯位移。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条