排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
动态人脸跟踪过程中,现有的跟踪算法存在快速运动、遮挡和频繁进出摄像机视野下无法及时判定跟踪漂移导致跟踪失败,而目标再出现时作为新的目标进行跟踪.针对以上难题,提出一种融合跟踪校验和深度学习识别辅助的动态人脸跟踪算法(Kernelized correlation filter with verification and recognition,KCFVR).跟踪算法核心是结合核相关滤波框架,通过跟踪校验算法判定人脸目标是否跟踪漂移导致跟踪失败;在目标重新出现时,结合深度学习网络识别辅助方法判定是否为新目标.实验结果表明:跟踪校验算法及时减少跟踪误差积累,识别辅助算法在跟踪成功率及识别精度上,都取得较优的实验结果,实现同一人脸目标的实时、持续跟踪. 相似文献
2.
针对复杂场景下深度相机环境要求高,可穿戴设备不自然,基于深度学习模型数据集样本少导致识别能力、鲁棒性欠佳的问题,提出了一种基于语义分割的深度学习模型进行手势分割结合迁移学习的神经网络识别的手势识别方法。通过对采集到的图像数据集首进行不同角度旋转,翻转等操作进行数据集样本增强,训练分割模型进行手势区域的分割,通过迁移学习卷积神经网络更好的提取手势特征向量,通过Softmax函数进行手势分类识别。通过4个人在不同背景下做的10个手势,实验结果表明: 针对复杂背景环境下能够正确的识别手势。 相似文献
3.
1