1) hierarchical mean shift(HMS)
分层Mean shift
1.
We propose a hierarchical mean shift(HMS) algorithm for object tracking.
针对经典Mean shift(MS)目标跟踪算法的颜色特征鲁棒差、匹配迭代复杂的缺点,提出一种分层Mean shift (Hierarchical mean shift,HMS)目标跟踪算法。
2) Mean-Shift segmentation
Mean-Shift分割
1.
According to the features of flame image, the method of image difference based on dynamic sequential images and the method based on Mean-Shift segmentation algorithm combined with the threshold segmentation have been studied.
本文根据火焰图像的特点,研究了基于动态连续图像的差分识别方法以及基于Mean-Shift分割和阈值分割相结合的火焰目标识别方法。
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 Monte Carlo(MSMC)
Mean Shift MC
5) 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。
6) 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。
补充资料：分层
分层
stratification
l)当i笋j时，S，自气一必; 2)对所有的i6P，S，是局部闭的; 3)X=日;，S; 4)如果S，自瓦笋必，则S，C瓦(且在尸中，这等价于i共j). 作为一个例子，考虑R’中由不等式尸一少)0给出的子集分成四片退(二，夕):x，一夕，>0}，{(x沙):t丫‘一厂，y>0}，{(、，夕):厂一广y<叫，{o，0}. 现在，设X是一个光滑流形M的子集，X的分层是某个偏序集p的尸分解(S)，。，，使得每片是NI的一个光滑子流形. 分层(S)称为瑚litney分层(认币i吹y stratifi以-‘ion)女11果对每对具有S.C=瓦的层S，，凡，下面的瑚ljtlley的条件A和B(V刃〕itlley‘5 cond itio斑A andB)成立.假设点列y*〔S收敛于y任S‘，点列x*E戈也收敛于ye凡·进一步，假设切平面兀*凡收敛于某个极限平面T和割线.不不收敛于某条线l(关于环绕流形M中y的某个局部坐标系)，则 A)兀S，CT; B)l仁了 条件B)事实上蕴涵着条件A). 涉及V门石tney分层的几个事实和定理如下.一个解析流形的任何闭次解析子集允许一个V刃五切ey分层(〔A51).特别地，R”中的代数集，即由有限多个多项式为零给出的集合(也见半代数集(~‘日罗b几icsct))可以瑚litney分层，认币让ney分层空间可被三角音」分([ A41).分层啤口柱五cati即;c甲。中欣叫H川，亦称层化 一个(可能无限维)流形到严格缩减维数的连通子流形的分解.M.H.B创由互ex阳cK而撰【补注】通常，一个空间的“分层”仅只意味着到具有缩减维数的连通片中的某个分解. 设(尸，<)是一个偏序集.拓扑空问x的一个尸分解(尸~d邸nlposition)是以尸的元素为标号的X的子空间S，的局部有限集，使得
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