原文服务方: 计算机应用研究       
摘要:
针对视频目标跟踪问题,提出了一种基于co-training框架下的在线学习跟踪方法.该方法首先根据两种不同的局部特征,利用在线 Boosting算法分别建立模型,然后采用co-training框架来协同训练,有效避免了模型误差累积和跟踪丢帧等问题.实验证明了该方法的有效性.
推荐文章
基于HOG及在线多实例学习的目标跟踪算法
HOG
分类器
在线多实例学习
目标跟踪
在线特征选择的目标跟踪
在线学习
最优颜色特征
均值向量平移
卡尔曼滤波
基于主动特征选择的在线加权多实例目标跟踪
费舍尔信息
主动特征选择
权重多实例学习
加权和模型
“漂移”现象
目标跟踪
基于增量式子空间学习的红外目标跟踪研究
红外图像
视觉跟踪
粒子滤波
增量式子空间学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于在线学习的目标跟踪方法研究
来源期刊 计算机应用研究 学科
关键词 局部特征 在线Boosting 协同训练 目标跟踪
年,卷(期) 2010,(2) 所属期刊栏目 图形图像技术
研究方向 页码范围 770-771,774
页数 3页 分类号 TP18|O221
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2010.02.103
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 齐志泉 中国农业大学理学院 4 139 4.0 4.0
2 宋野 中国农业大学理学院 1 12 1.0 1.0
3 王来生 中国农业大学理学院 49 555 14.0 20.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (4)
参考文献  (2)
节点文献
引证文献  (12)
同被引文献  (17)
二级引证文献  (7)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2014(3)
  • 引证文献(2)
  • 二级引证文献(1)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
局部特征
在线Boosting
协同训练
目标跟踪
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导