一种鲁棒的多特征融合目标跟踪新算法

仅利用单一的目标特征进行跟踪是大多数跟踪算法鲁棒性不高的重要原因。提出了一种新的多特征融合目标跟踪算法,该算法将目标的颜色、纹理、边缘、运动特征统一使用直方图模型进行描述,以降低算法受目标形变和部分遮挡的影响,在Auxiliary粒子滤波框架内将所有特征观测进行概率融合,以突出状态后验分布中目标真实状态对应的峰值,从而有效避免了复杂背景的干扰,并给出了一种有效的融合系数计算方法,使融合结果更加准确可靠。实验结果表明,该算法能同时处理刚性与非刚性目标的跟踪,较单一特征的跟踪算法具有明显的优势,对复杂背景下的跟踪具有较高的鲁棒性。与现有多特征融合算法的比较也证明了本文算法的有效性。

基于背景约束的抗遮挡目标跟踪算法研究

为获取高质量的目标跟踪结果,基于背景约束机制设计了一种新的抗遮挡目标跟踪算法。根据视觉纹理特征提取初始帧图像内的前景目标与背景特征,并通过建立前景目标物的概率约束提高目标识别的精度;采用粒子滤波跟踪框架,以颜色和二值形状为跟踪线索,利用Bhattacharyya距离判定目标物是否被遮挡;在目标遮挡条件下,采用自适应融合策略适时转变线索融合模式,同时将mean-shift算法引入粒子滤波框架内,实现抗遮挡目标跟踪。实验结果表明,非遮挡情况下的目标跟踪耗时在14 ns以内,遮挡情况下的目标跟踪耗时在17 ns以内;最大中心位置误差仅为16.7像素,最大覆盖率可达到82.1%,说明该算法具有较好的跟踪效果。

如何在财务电算化的现状下进行审计

随着改革开放，社会各个方面发生了翻天覆地的变化，同时计算机以及财务软件也在企业里迅速普及了，文章阐述了如何在财务软件会计条件下计算机审计面临的新问题。