1) mean-shift algorithm
mean-shift方法
2) Mean Shift Method
Mean Shift方法
3) 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。
4) 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。
5) 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。
6) 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。
补充资料：地下采矿方法设计的计算机方法
地下采矿方法设计的计算机方法
computerized design of under-ground mining method
d一x!0 eo一kuong fongfo shejl deJ一suanjl fongfa地下采矿方法设计的计算机方法(c omPuter-ized design of underground mining method)用计算机和优化技术完成地下采矿方法设计的一种手段。由于地下采矿方法设计时，要考虑的因素很多，判断决策时又十分灵活，没有固定的程式和准则，计算机处理时难度较大，因此，世界各国在20世纪80年代才开始将计算机和现代数学方法应用于地下采矿方法的设计。地下采矿法设计的计算机方法包含采矿方法优选和采场结构参数的优化两方面的内容。其目的是达到安全、经济、有效地采出矿石。 采矿方法的优选主要方法有模糊数学法、专家系统法、多目标决策法和价值工程法等。 (l)模糊数学法选择采矿方法的主要依据是众多的地质技术条件。但是，并没有定义明确的选择准则可以遵循，所以，采用模糊数学法处理。首先，初选一些采矿方法作为候选者，已知这些采矿方法所要求的地质技术条件。然后列出拟选择采矿方法的矿山的地质技术条件，计算并确定它们与候选采矿方法所要求的地质技术条件之间的模糊相似程度，选择条件最相近的那个采矿方法。 模糊数学还可用来预测采矿方法将取得的技术经济指标。首先，列出本矿山的地质技术条件，再收集一些采用同样采矿方法的其他矿山的地质技术条件，对它们进行模糊聚类。聚类时，与本矿山近似程度最高的矿山取得高权值，其余矿山按聚类近似程度排序依次取较低的权值;然后将各矿山用这种采矿方法取得的技术经济指标加权平均，得到本矿山采用这种采矿方法可能取得的技术经济指标。 (2)专家系统法采矿专家选择采矿方法时，通常先根据矿岩稳固性选择空场法、崩落法或充填法等采矿方法的大类别;然后根据矿体倾角及其他条件选择运输方式和长壁法、分段崩落法等采矿方法小类别;再根据矿体厚度或分段高度选择浅孔、中深孔或深孔等不同的落矿方式。这个过程是一个明显的逻辑推理过程。把这种逻辑因果关系总结成规则，存放在计算机系统中，就建立了采矿方法选择的专家系统(见采矿专家系统)。使用时，输人所设计的矿山的地质技术条件.系统就会自动推理，选择出适用的采矿方法。 (3)多目标决策法选择采矿方法时，考虑采矿成本、采准切割量、矿石贫化率、矿石损失率、采场生产能力等多个因素。这些因素从不同侧面反映采矿方法的优劣，具有各自的计量单位。采用多目标决策法，将这些因素综合起来，从整体上评价几种采矿方法的可行方案，从中择优。 (4)价值工程法价值工程中，事物的价值用其功能与成本的比值来衡量。
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