按相关排序
全部格式
全部页数
时间不限
只看优质
只看可投资
展开
排序：
相关 最多阅读 最新上传
格式：
全部 doc pdf ppt xls txt 豆单
页数：
全部 1-8页 9-100页 100页以上
时间：
全部 2024年 2023年 2022年及以前
11
Crowded Minds The Implicit Bystander Effect.pdf
Crowded Minds The Implicit Bystander Effect
收藏到书房
33
Identifying and Measuring Crowded Strategies and ….pdf
JUNE2015 RESEARCH INSIGHT LOST CROWD?Identifying MeasuringCrowded Strategies TradesMehmet K. Bayrakt
收藏到书房
7
15. Counting crowded moving objects(CVPR 2006).pdf
 出处/时间：CVPR 2006
 适用环境：复杂的拥堵环境(同一类对象，例如：人，动物)
 特征/算法：聚类一系列分散的被跟踪特征点，利用一种高度并行的KLT跟踪方法，得到特征轨迹。然后，提出一种调节算法平滑和扩展原始特征轨迹的方法，产生条件轨迹。最后利用局部的刚性制约因素和一个简单的对象模型(标记着真实的对象计数)，聚类条件特征成候选对象。
 1.1. 特征点计算[18]
 1.2. 提高效率
 窗口面积的倒数作为计算运动参数的权重
 最优化窗口选择
 1.3. 特征重现
 由于对象之间的遮挡、自身的遮挡、对象消失和景深问题引起的对象特征改变，我们需要重新计算某些区域的特征。然而因为计算量的原因，我们不可能计算所有的空洞。基于空洞中心到最近的特征轨迹的距离产生一个权重，The frame at which we should respawn features is simply the weighted average of the times at which the centers are located.
 2. 我们认为尽管各个特征是相互独立的，但是空间上临近的特征是相互影响的。因此，利用完整特征，在时间和空间域延伸轨迹碎片（平均box内的所有特征点轨迹，初始化其他特征点轨迹(the conditioned trajectories)。Figure 3）
 3. 聚类特征点轨迹得到对象数量
 对象的统计要在一个时间段内去做，以t为中心的时间段[t-n, t+n]。在t时刻所有特征点形成一连通图G，他的边缘可能标识了一个对象。问题就是怎样实现G的分割？
 3.1 连通图G
 a、得到覆盖对象(所有特征点)的最小bounding box(w, h)；
 b、定义每个对象衔接因子的计算方法；
 c、确定两个特征是否属于一个对象的三个条件(公式3)。
 3.2 基于随机抽样一致性算法的合并
 一特征在一段时间内属于刚体运动的条件：公式(4)；鉴于噪音的影响，满足公式(5)即可。时间轴上的特征点的一致性，跟踪。
收藏到书房
8
Bayesian Human Segmentation in Crowded Situations(CVPR 2003).pdf
Bayesian Human Segmentation in Crowded Situations(CVPR 2003)Bayesian Human Segmentation in Crowded Situations(CVPR 2003)Bayesian Human Segmentation in Crowded Situations(CVPR 2003)
收藏到书房
20
Fairness crowded out by law An experimental study on withdrawal.pdf
Fairness crowded out by law An experimental study on withdrawal
收藏到书房
10
Estimation of Number of People in Crowded Scenes Using Perspective Transformation.pdf
Estimation of Number of People in Crowded Scenes Using Perspective TransformationEstimation of Number of People in Crowded Scenes Using Perspective TransformationEstimation of Number of People in Crowded Scenes Using Perspective Transformation
收藏到书房
6
overhead07. A Statistical Method for People Counting in Crowded Environments(ICIAP 2007).pdf
 出处/时间：ICIAP 2007
 适用环境：estimate the number of people passing through a gate in a public area
 特征/算法：edge canny(running average) 剔除直线(线段上的点到某直线的距离都小于某阀值)、然后使用KLT特征计算optical flow(运动向量)。
 前景背景模型/算法：初始帧梯度边界作为背景，然后利用当前帧边界与背景帧相减得到前景运动对象的边界信息。另外建立背景和阀值的自适应模型(Bt = a*Bt-1 + (1-a)*Et)
 运动向量聚类过滤/算法：获取距离线段小于特定距离的一系列点的集合，如果向量终止点不在集合内，则舍弃该向量。然后求取属于某线段的所有向量的均值，过滤与均值夹角大于九十度的向量。
 跟踪/算法：
 统计/算法：满足条件的运动向量的集合的势(向量的个数) 与 通过人数建立关系（先学习单人通过line可以产生的运动向量数目，学习十个人取平均值）
 解决问题：people in their test videos abruptly change direction of moving 对光照条件要求低
收藏到书房
6
17. Pedestrian Detection and Tracking for Counting Applications in Crowded Situations(AVSS 2006).pdf
 出处/时间：AVSS 2006
 适用环境：very crowded situations
 使用运动特征检测感兴趣区域和运动的行人，从视频帧中萃取形状信息以检测个人，并且使用纹理特征识别个人。
 特征/算法：建立头肩模型(Ω形状)
 2.1 计算感兴趣区域：对于每个像素建立64 bins(4个灰度值一个bins)的直方图，对每一帧进行累计，选择概率最大的像素值作为背景(在一定时间内对所有bin值除以特定数，以减少bin值的数量级)。KLT算法检测特征点，两点作用：a、聚类(具有相同的运动方向和速度) 被添加到前景中；b、预测目标在以后帧的位置信息；
 2.2 形状检测：首先在感兴趣区域之内检测人的轮廓(Ω形状:23个点，方向ai：当顺时针遍历轮廓时，右边顶点的方向)
 遮挡问题/算法：
 跟踪/算法：首先使用 KLT tracking points ，如果特征点丢失的话，使用运动估计进行跟踪匹配
收藏到书房
4
16. Estimating the Number of People in Crowded Scenes by MID Based Foreground Segmentation and Head-shoulder Detection(ICPR 2008).pdf
人数统计方法论文，基于训练学习模式。
收藏到书房
181
Hybrid models of transport in crowded environments(拥挤环境中的混合运输模型).pdf
Hybrid models of transport in crowded environments（拥挤环境中的混合运输模型）
收藏到书房

向豆丁求助：有没有crowded?

相关搜索
如要投诉违规内容，请联系我们按需举报；如要提出意见建议，请到社区论坛发帖反馈。