tag 标签: 目标跟踪

相关资源
  • 所需E币: 3
    时间: 2019-12-25 22:46
    大小: 77.96KB
    上传者: wsu_w_hotmail.com
    该文提出了一种利用最新高频DSP的强大的运算功能,运用嵌入式的方法裁减软硬件,并将裁减后的硬件系统放置在球机的内部,设计并实现了在使用单颗DSP下完成普通环境下对单个运动图像目标的实时跟踪。……
  • 所需E币: 4
    时间: 2019-12-25 22:46
    大小: 124KB
    上传者: 978461154_qq
    该文提出了一种利用最新高频DSP的强大的运算功能,运用嵌入式的方法裁减软硬件,并将裁减后的硬件系统放置在球机的内部,设计并实现了在使用单颗DSP下完成普通环境下对单个运动图像目标的实时跟踪。……
  • 所需E币: 4
    时间: 2019-12-25 15:21
    大小: 220.27KB
    上传者: givh79_163.com
    提出了一种新的基于多片TMS320C6414DSP的EMIF与HPI接口互联并与McBSP接口互联构成松耦合级联的多DSP并行流水处理平台.通过与大规模的可编程逻辑器件FPGA的配合使用,设计实现了一套具有高实时性、良好的扩展性和多扩展接口等特点的多DSP实时红外目标跟踪系统.……
  • 所需E币: 4
    时间: 2020-1-2 02:03
    大小: 145.43KB
    上传者: quw431979_163.com
    采用图像识别以及目标快速跟踪算法,实现对飞行中火箭的实时跟踪,使用高性能MSP430、CPLD芯片实现传统的只有通过多单片机才能实现云台在水平垂直方向的同时独立运动,消除了多单片机通信过程的时间消耗所造成的步进电机控制失效因素,解决了单片CPLD实现内部资源短缺的问题,并结合实际实现系统整体机械结构,提高了火箭目标跟踪的快速性、安全性和精确性.计算飙技木与应用COmp咖rTechnOlogyandltsApp¨cations火箭发射测控中的目标跟踪系统杨红远,柴毅,屈剑锋,郭茂耘(重庆大学自动化学院,重庆40()044)摘要:采用图像识别以厦目标快速跟踪算法,实现对飞行中火箭的实时跟踪,使用高性能MsP430、CPLD芯片实现传统的只有通过多单片机才能实现云台在水平垂直方向的同时独立运动,消除了多单片机通信过程的时间消耗所造成的步进电机控制失效因素.解央了单片CPLD实现内部资源短缺的问题,并结合实际实现系统整体机械结构,提高了火箭目标跟踪的快速性、安全性和精确性。关键词:火箭MSP430CPLD云台Ta唱ettrackingsysteminrocket1aunchingYANGHo“gYuan,CHAI……
  • 所需E币: 3
    时间: 2020-1-3 18:25
    大小: 414.76KB
    上传者: rdg1993
    针对利用Gabor小波进行目标特征点识别的过程中所选取的参数序列过多的问题,给出了一种新的参数选取方法.该方法利用Gabor多尺度参数,配合权重函数,通过能量函数计算出相应的方向参数,构成图像的特征点集合.这样得到的特征点集合,不但充分利用了Gabor小波变换中的尺度参数的特性,而且通过配合以特征点粗匹配算法,大大减轻了特征点序列过多所造成的算法耗时问题.仿真和实验表明,算法可广泛应用于各种图像目标识别与跟踪的系统中,具有良好的图像目标识别能力.一和新硇基于Gabor小波昀目标跟踪方法邢卓异,朱齐丹,林壮(哈尔滨工程大学自动化学院,黑龙江哈尔滨150001)摘要:针对利用Gabor小波进行目标特征点识别的过程中所选取的参数序列过多的问题,给出了一种新的参数选取方法。该方法利用Gabor多尺度参数,配合权重函数,通过能量函数计算出相应的方向参数,构成图像的特征点集合。这样得到的特征点集合,不但充分利用了Gabor小波变换中的尺度参数的特性,而且通过配合以特征点粗匹配算法,大大减轻了特征点序列过多所造成的算法耗时问题。仿真和实验表明,算法可广泛应用于各种图像目标识别与跟踪的系统中,具有良好的图像目标识别能力。关键词:Gabor小波目标跟踪特征粗匹配Gabor参数选择运动目标的跟踪技术对实时性和识别精度有较高小波变换中的尺度参数,而且通过寻优的方式找到合适的要求【l】。在过去的二十多年里,目标跟踪与识别一直的方向参数。这样,既避免了单纯参数寻优所带来的不是非常活跃的研究领域。其应用包括:导弹的地形和地能发挥Gabor特性的问题,同时也避免了实验法所带来图匹配、飞机导航、武器投射系统的末制导、光学和雷达的巨大的计算量。的图像跟踪、工业流水线的自动监测等。……
  • 所需E币: 3
    时间: 2019-6-2 11:10
    大小: 1.58MB
    上传者: royalark_912907664
    目标的检测与跟踪技术在计算机视觉领域有着广泛的应用,比如在视频监控,无人驾驶,机器人等领域都有着举足轻重的价值。随着深度学习算法与技术的飞速发展,更是带动了该技术在性能、速度等方面取得了质的飞跃。然而随着社会的发展,需求的不断提高,我们在研究算法高效性的同时还要考虑算法所训练出的模型在实际应用上的性能与速度。本篇文章主要研究基于深度学习的目标检测与跟踪技术,该技术主要包括一个离线训练的检测模型,一个优化的跟踪器,以及一个学习模块来组成在线跟踪系统。通过研究出一种更快、性能更好的算法以及模型的压缩来达到使其训练出的模型在手机等嵌入式设备上实时运行的目的。