搜索资源列表
-
0下载：
学位论文；运动物体跟踪方法主要包括卡尔曼滤波，Mean-shift，Camshifi算法，粒子滤波器，Snake模型等；应用卡尔曼滤波方法设计了一套煤矿矿工出入自动监测系统；提出了一种新的基于高斯混合模型的颜色特征提取方法，该方法克服了现有的Camshift算法Continuousl y Adaptive eanshift中跟踪目标特征提取精确度低和计算复杂度高的缺陷-Dissertation moving object tracking methods include Kalman filt
-
-
0下载：
This paper proposes a new method of extracting and tracking
a nonrigid object moving while allowing camera movement. For object
extraction we first detect an object using watershed segmentation
technique and then extract its contour points by a
-
-
0下载：
结合了背影恢复技术和目标跟踪技术进行视频分割算法，分背景重建、运动目标提取、跟踪技术的使用和后处理4个步骤-Combined with the back of recovery techniques and target tracking technology for video segmentation algorithm, sub-background reconstruction, moving object extraction, tracking the use and post-pr
-
-
0下载：
一种基于Kalman滤波的视频对象跟踪方法
一种视频对象提取与跟踪的新方法-A Kalman filter-based video object tracking method for a video object extraction and tracking method
-
-
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，
-
