视频跟踪算法研究综述

在许多计算机视觉应用领域中,视频跟踪是最基本的任务。尽管有了大量的跟踪算法,但是跟踪算法的鲁棒性仍是具有挑战性的问题。物体的突然运动、目标或者背景外观的改变、目标与目标以及目标与背景的遮挡、非刚性物体的结构、摄像机抖动等问题都是视频跟踪算法设计过程中需要考虑的因素。介绍了视频跟踪算法及其研究进展,综述了现有基本的目标跟踪算法分类,详细描述了每种表示方法,并指出其优缺点。进一步讨论了跟踪的重要性问题,包括目标检测、特征选择、贝叶斯跟踪、在线学习跟踪等。

基于t-分布粒子滤波器的目标跟踪

针对贝叶斯跟踪中目标状态的预测分布和后验分布,利用序列蒙特卡洛方法,基于多变量t-分布提出了一种新的粒子滤波算法,称之为t-分布粒子滤波器.为了根据样本估计目标状态的概率分布,提出了一种新的ECME算法,并嵌入到t-分布粒子滤波器中.理论分析表明,在t-分布条件下,t-分布粒子滤波器是在样本数量上的渐近最优估计器.在机动目标跟踪实验中,比较了t-分布粒子滤波器、无色卡尔曼滤波(Unscented Kalm an filter)及自助式粒子滤波器(Bootstrap partic le filters)的跟踪精度.

基于BKT模型的网络教学跟踪评价研究

当前网络教学中存在教学过程评价难以量化、课程教学进度安排缺少数据支持等问题。随着大数据技术的发展,网络学习行为分析已经取得较大进展,但学习内容的跟踪与评价还比较缺乏。将知识跟踪嵌入网络课程,及时跟踪学生知识掌握情况,将有助于教师发现学生学习问题,调整教学策略;同时也可引导学生将学习的关注点聚焦在知识内容的理解上,而不是分数上。贝叶斯知识跟踪(BKT)模型是一种以知识点为核心构建学生知识模型的方法,具有简捷、预测准确、易于解释的特点。基于BKT公式改进的网络教学跟踪评价模型,可用以课时估算和学习成绩预测。实证分析数据显示,该模型的预测准确率和精确度较高。在实际应用中,BKT知识跟踪功能可单独开发应用,也可与教学平台集成使用,亦可支持线下教学。

舰载指控系统的目标跟踪技术现状与未来

考虑到目标跟踪在作战中的重要性,论述了目前的跟踪滤波技术:卡尔曼滤波、扩展卡尔曼滤波,重点论述了未来可用于跟踪的基于贝叶斯原理的粒子滤波技术,是最近几年出现的解决非线性跟踪问题的有效方法。

教育大数据中认知跟踪模型研究进展

教育信息化的不断推进和在线教育的蓬勃发展产生了海量的教育数据,如何挖掘和分析教育大数据成为了教育领域和大数据知识工程领域亟待解决的问题.认知跟踪模型通过获取学生作答习题的得分表现,追踪学生随时间变化的认知状态,从而预测学生在未来时间的作答表现.对教育大数据中认知跟踪模型进行了回顾、分析和展望.首先从模型的原理、步骤和方法等维度详细介绍了认知跟踪模型,包括基于贝叶斯方法和深度学习方法2类认知跟踪模型.同时,从学生作答表现预测、认知状态评估、心理因素分析、习题序列分析和编程练习5个方面阐述认知跟踪模型的应用情景.最后,以经典的贝叶斯认知跟踪模型和深度认知跟踪模型为例分析了2类模型的优缺点,并探讨和展望认知跟踪模型未来可能的研究方向.

锰矿智能视频监控的运动目标检测技术探讨

锰矿开采环境较为复杂,利用各种科技手段降低开采过程中的风险度成为了重点研究领域。通过降低自动视觉对象计数和视频监控手段能解决矿藏开采过程中存在的各种管理、安全问题。因此提出一种高效的视觉检测和跟踪框架,用于物体计数和任务监视。该框架基于现成的视频设备,在无需监督工作条件下,通过一种新颖的贝叶斯跟踪模型实现移动目标的检测。该模型可以管理多模式分布,而无需明确计算跟踪对象与检测之间的关联;同时该模型对错误、失真和缺少的检测信息的处理也有效。

一种新颖的CT血管造影图像的血管中心线提取方法

目的提取CT血管造影图像的血管中心线。方法 本算法由两个步骤组成:首先,一种新的多尺度滤波算法被用于增强血管结构;其次,在滤波后的图像上进行基于最小路径和贝叶斯跟踪的血管中心线提取算法。结果 实验结果表明所提出的方法能有效提取血管中心线而且能获得中心线分支信息。结论 与同类算法相比,本算法能很好地增强细小血管结构,对噪声和伪影的抑制作用更强。