基于偏好学习的视频图像单目标跟踪算法研究

针对视频图像连续拍摄中不利的环境因素造成图像目标跟踪丢失的现象,本研究提出了一种基于SDAE模型和偏好学习模型结合的视频图像单目标跟踪算法。在SDAE模型中,采用卷积神经网络模型的处理规则,并对SDAE堆栈式去噪自编码器的内部排列结构进行了调整;构建的偏好学习模型,将目标跟踪问题转换为目标图像块中重叠部分的区域大小排序问题,完成了排序函数、样本之间的偏好关系、跟踪约束条件和支持向量机二分类器的设计。本研究算法与实验选取的四种目标跟踪算法相比的结果表明,本研究算法在跟踪目标成功率、目标跟踪精度和系统运行时间方面具有一定优势,目标跟踪成功率和目标跟踪精度均为89%左右。

基于游览行为的游客偏好学习方法

针对目前游客偏好学习方法无法获取特定景区内的细粒度客观游客偏好问题,提出一种基于游览行为的游客偏好学习方法。通过结合iBeacon并利用智能手机中的相机、加速度传感器采集游客真实的行为数据,获取游客在景区内各游览点的拍照次数、游玩时间、停留次数等多种游览行为,通过偏好学习模型获取游客偏好。与传统的通过评分、评价获取游客偏好的方法相比,该方法可准确客观获取游客对于景区中游览点的喜好度。