概念漂移检测与适应方法综述

随着数据信息的急速增长,数据流自身特征呈现多样化,这对概念漂移处理方法的研究提出了新的要求。以往基于性能退化的检测思路无法应对标签非即时可用环境,由此推动了无标签检测方法的研究。集成与增量学习的研究推动了漂移适应方法研究的进步。分别针对标签是否即时可用两种情况对漂移检测方法进行详细分析,同时以模型组成为基础,重点从集成角度对漂移适应方法进行分析说明。针对不同思路的漂移处理方法,从核心思路、对比模型、优点与局限性等方面进行全面总结,同时将不同思路的漂移处理方法进行整体对比。给出了该领域未来的研究方向,包括噪声区分、阈值设定与指标多样化的研究。

多特征连续自适应均值漂移人脸跟踪算法

传统连续自适应均值漂移人脸跟踪算法,仅使用了人脸的色调特征,容易受到光照及相同背景色影响,为此,提出将人脸颜色和表示线端、角点、边界相关的纹理信息相结合共同构成人脸特征的CAMSHIFT算法。首先,采用带有权重的RGB颜色空间创建归一化的人脸直方图模型;然后,在视频图像中进行目标人脸直方图投影,同时进行纹理检测,保留纹理信息的人脸颜色特征,形成概率密度分布图;最后,由Mean Shift算法从当前位置迭代寻找直至定位目标人脸。实验结果验证了该算法可以抵御同色背景和部分遮挡的影响。

背景抑制直方图模型的连续自适应均值漂移跟踪算法

针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。

基于连续自适应均值漂移和立体视觉的无人机目标跟踪方法

为设计一种可自动跟踪、避障的无人机视觉导航技术,将无人机同时搭载双目和单目摄像头:单目摄像头采集无人机相对于被跟踪物体的图像,并采用经Kalman预测器优化的连续自适应均值漂移算法对目标进行有效跟踪;双目摄像头实时采集无人机前进方向上的图像信息,并利用SGM算法计算深度图以分割出无人机前进方向上的障碍物信息。无人机在跟踪目标物体的同时,可自主避开行进方向上的障碍物。实验结果表明,该方法可以有效引导无人机持续、精确地对目标物体进行跟踪,并在跟踪过程中及时躲避前进方向上的障碍物。

基于改进连续自适应均值漂移的视频目标跟踪算法

针对连续自适应均值漂移算法仅限于跟踪人脸的缺点,对原算法进行改进使其能有效跟踪其他目标。在改进的算法中,提出使用HSV三个通道的直方图,并为每个通道直方图分配灵活的级数。为了避免相同颜色的影响,分析和处理了直方图反向投影所得的概率分布图像。同时,使用卡尔曼滤波对视频目标位置进行预测和调整,将过往运动信息加入到目标跟踪中,提高了跟踪的准确度。

无人机立体视觉识别船舶航行风险仿真

由于船舶交通受碰撞、搁浅、走锚等随机干扰因素的影响,导致对船舶航行目标的跟踪与风险预警具有较大难度。为增强海上航行的安全性,提出一种基于无人机立体视觉的船舶航行风险识别方法。引入双目视觉立体技术,获得目标船舶在航行过程中的图像数据。利用卡尔曼预测器优化连续性自适应均值漂移算法,跟踪目标船舶,通过高斯混合模型识别船舶航行风险。实验结果表明,研究方法对不同海域的船舶跟踪曲线与船舶实际航行曲线具有较高拟合度,且上述方法的船舶航行风险识别正确率高于90%,且误报率低于0.2%,说明提出方法的应用可靠性较高。

基于CamShift的自适应颜色空间目标跟踪算法

CamShift算法只适于特定颜色目标的跟踪,针对这一不足,提出了自适应颜色空间目标跟踪算法。依据当前测量值,根据类间平均距离动态选择当前颜色空间。颜色空间更新判断机制的引入,降低了颜色空间更新带来的时间开销。实验结果表明,该算法可以更准确地在复杂背景下的跟踪各种色彩的目标。

一种具有跟踪外观变化目标能力的均值漂移算法

视角变化往往会引起目标外观特征的变化,基于单一颜色直方图模型的均值漂移跟踪算法往往不能适应这种变化。本文在对连续自适应均值漂移算法深入分析的基础上,提出利用目标外观信息的先验知识,对其建立多个颜色分布模型。每帧跟踪结束后,算法都会根据当前的目标特征和周围环境从多个模型的凸组合中选出最有利于下一帧跟踪的参考模型。实验结果表明,该算法能很好地适应目标外观的变化,且计算代价不大。

基于自适应均值的图像滤波算法

目的为了提高激光三维成像系统中的图像质量,有效滤除图像中噪声,提出一种自适应均值漂移的图像滤波算法。方法在传统算法基础上对均值漂移滤波算法进行改进,选取领域内像素的均方差为控制参量对带宽矩阵h大小进行自适应调控。根据宽带矩阵h的大小,选择合适的像元值参与到计算均值过程中,以提高结果的计算精度。结果实验结果表明改进后的算法能够有效滤除图像中的噪声,提高图像清晰度。结论该算法具有良好的保边去噪特性。

基于自适应加速移频的PV孤岛检测与仿真

针对并网光伏(PV)系统的孤岛检测问题,提出一种复合负脉冲电流幅值干扰的自适应加速移频法;基于公共耦合点电压频率朝某个方向的持续变化次数,该方法对频率偏移正反馈系数进行自适应分段调节以加速频率偏移越限,如果变化次数超过12次,且频率仍未越限,则施加持续2个工频周期的负脉冲电流幅值干扰,触发欠压保护,从而检测出孤岛;Matlab仿真表明,与传统的AFD方法相比,该方法不仅对电网谐波影响小,而且孤岛检测盲区小,能有效在高速自动重合闸动作之前使光伏系统与电网解列,具有重要的应用价值。

融合均值漂移和区域合并的彩色图像分割方法

彩色图像分割是从图像处理到分析的关键步骤之一。结合了均值漂移和区域合并算法,在HSV空间,提出一种融合颜色和空间信息的彩色图像分割方法。该算法先由改进的均值漂移(Meanshift)算法求取各局部极值(聚类中心),并利用全局信息,改进了现有的带宽求取和权重设置自适应法则;针对均值漂移带来的纹理和光影的过分割,使用改进的fisher距离进行区域合并,取散度作为停止度量。实验证明,此算法是有效的。

带有测量误差的自适应维纳模型研究

针对动态环境下现有随机效应假设不能对退化漂移进行适当建模的问题,文章提出了一种考虑测量误差的自适应维纳模型。该模型利用布朗运动对自适应漂移项进行建模,增加了模型的随机性。同时考虑了退化建模过程中测量误差的影响,使其更适合在动态环境下进行退化建模。为便于后续的剩余寿命(RUL)估计,进一步推导得到基于该模型的RUL的概率密度函数(PDF)。并根据极大似然(ML)估计原理,提出参数估计方法。最后利用数值仿真实验与实例验证了该方法的有效性与适用性。

基于相位测量的角漂移自适应结构表面等离子体共振气体折射率测量系统

提出了一种可抑制角漂移的表面等离子体传感器结构,并结合相位测量设计了相应的气体折射率测量系统。分析表明激光入射角、金膜厚度以及反射光p、s分量的相位差与气体折射率之间的固有非线性是影响相位响应度与折射率测量精度的主要因素。计算表明所提出的自适应结构将角漂移引起的误差降低了一个数量级并很大程度提高了测量灵敏度。同时分析设计了金膜厚度参数,并评估了反射光p、s分量的相位差与气体折射率之间固有非线性带来的误差。应用于空气折射率的测量比对实验显示其测量精度达到了10-6量级。

基于颜色和边缘特征CAM Shift目标跟踪算法

针对连续自适应均值漂移(CAM Shift)目标跟踪算法只适用于特定颜色目标跟踪且容易受到光照变化影响和背景色干扰的缺点,提出了一种改进的CAM Shift目标跟踪算法。该算法采用颜色空间三基色权重直方图建立目标模型,并用目标边缘特征增加目标权重。首先通过颜色空间三基色均匀量化获得特征值,建立基于核函数概率密度估计的目标模型;然后用Sobel算子检测目标边缘特征,结合颜色特征,分别赋予不同的权重投影生成概率密度分布图;最后用MeanShift算法迭代寻找目标,并通过矩运算调整跟踪窗口大小和方向。实验结果表明:该算法可以有效跟踪多色彩目标,并能够抵御一定光照变化和大面积同色干扰的影响。

面向人体运动视觉跟踪的多线索融合算法

为了跟踪人体的运动轨迹,结合人体运动图像的颜色特征、预测目标位置特征和运动连续性特征,提出一种面向视觉跟踪的多线索融合算法.该算法采用连续自适应均值漂移技术,其中,颜色特征采用色调和饱和度特征、红色信道特征、绿色信道特征以及蓝色信道特征,对于遮挡和位姿的改变实现了较好的鲁棒性;预测目标位置特征利用帧差技术实现;运动连续性特征根据帧间连续性完成.实验结果表明,文中算法比单一线索的算法更加鲁棒,取得了比协作均值漂移跟踪算法更好的跟踪效果,并可以处理目标被部分遮挡、目标环境的颜色饱和度较低等情况.

动态图像中人脸的快速捕捉跟踪方法

提出一种快速人脸跟踪方法.首先根据模板匹配方法作人脸区域的初步定位,然后使用支持向量机作为分类器进行最终确认,再采用基于Mean-Shift的CamShift跟踪算法保持跟踪,当有遮挡发生时通过Kalman滤波进行参数辨识和状态估计.实验结果表明,该方法具有较强的实时性、有效性和鲁棒性.

基于深度信息和SURF-BoW的中国手语识别算法

为实现视频中手语的准确识别,提出一种基于深度图连续自适应均值漂移(DI_CamShift)和加速强健特征词包(SURF-BoW)的中国手语识别算法.该算法将Kinect作为手语视频采集设备,在获取彩色视频的同时得到其深度信息.算法首先计算深度图像中手语手势的主轴方向角和质心位置,通过调整搜索窗口对手势准确跟踪;然后使用基于深度积分图像的OTSU算法分割手势并提取其加速强健特征(SURF),进而构建SURF-BoW作为手语特征并使用SVM识别.通过实验验证该算法在单个手语字母上的最好识别率为99.37%,平均识别率为96.24%.

基于改进的Camshift运动目标跟踪算法的研究

针对基于颜色概率分布的连续自适应均值漂移算法(Camshift)跟踪算法在背景中出现相同颜色干扰时容易致使跟踪目标失败的问题,提出了一种改进的Camshift跟踪算法。首先对Camshift跟踪目标前进行目标检测,通过帧差法、光流法、背景差分法三种检测算法对比,采用背景差分法得到的运动目标区域矩形特征参数作为Camshift的初始化参数,取代一般Camshift算法利用颜色特征的跟踪。最后对改进的算法和一般Camshift进行仿真对比实验。实验结果表明,结合背景差分法和连续Camshift算法的运动目标跟踪在一定程度上满足了实时性与稳定性的要求。

二维联合特征模型的自适应均值漂移目标跟踪

为了提高自适应均值漂移(CamShift)跟踪方法的跟踪性能,提出了一种利用色度-微分二维联合特征建立目标模型的改进CamShift跟踪方法。对每个像素8邻域的色度进行差分计算,最大差分值作为该像素的微分值,用以描述像素的相对位置信息和图像的细节信息;根据目标模型的色度-微分二维特征联合直方图,利用反向投影获得跟踪图像的色度-微分二维特征联合概率分布图,以减少单独特征建立模型时所产生的冗余信息的干扰;利用均值平移方法在跟踪窗内实现目标的定位。对目标尺寸的过大更新加以限制,防止过多背景信息干扰目标识别的准确性。仿真实验结果表明,本文方法跟踪性能稳定,当目标与背景相似,或者背景中出现与目标相似的干扰区域时,都能实现目标的有效跟踪,提高了CamShift跟踪方法的适用性,单帧图像的处理时间小于30ms,满足跟踪系统实时性的设计要求。

基于自适应亮度基准漂移的十字路口交通图像增强处理研究

针对大多数增强方法未能同时考虑图像与光照强度、拍摄时间之间关系的问题,根据不同时刻的光照强度变化,提出了一种基于自适应亮度基准漂移的全天候十字路口交通图像的增强算法。首先依据不同时刻的光照变化建立亮度基准曲线,然后由亮度基准曲线和亮度实时反馈建立自适应亮度基准值模型,最后对图像的亮度分量运用亮度基准值模型自适应增强。实验结果证明该方法在全天候不同光照条件下图像增强的有效性以及不同天气条件下增强的鲁棒性。