基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对真实视频场景中复杂的目标外观变化问题,提出新的结合排序向量SVM (RV‐SVM )的单目标视频跟踪算法。基于压缩感知理论,利用稀疏测量矩阵压缩多尺度图像特征。采用Median‐Flow 跟踪算法作为预测器,并为RV‐SVM构建训练数据集,使算法能够适应真实场景中遇到的目标遮挡、3D旋转和目标快速移动等复杂情况。通过在线学习RV‐SVM 算法,对候选位置集进行排序,找到目标的真实位置。对不同视频序列的测试结果表明:该方法可以在目标运动、旋转以及光照和尺度发生变化的情况下实现准确的跟踪。
推荐文章
基于排序支持向量机的多特征融合目标跟踪算法
目标跟踪
多特征融合
排序学习
分类器
排序支持向量机
鲁棒性
视频稳定系统的角点跟踪算法
Htarris角点
圆投影向量
菱形搜索路径
相关系数
角点配准
基于SVM邻域学习的视频目标检测方法
SVM模型
邻域学习
视频目标检测
统计学分析
一种新的基于SVM权重向量的云分类器
支持向量机
云模型
云分类器
交叉验证
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 结合排序向量SVM的视频跟踪
来源期刊 浙江大学学报(工学版) 学科 工学
关键词 视频跟踪 压缩感知 Median-Flow跟踪 排序向量SVM (RV-SVM )
年,卷(期) 2015,(6) 所属期刊栏目 计算机技术、电信技术
研究方向 页码范围 1015-1021
页数 7页 分类号 TN911|TP391
字数 6125字 语种 中文
DOI 10.3785/j.issn.1008-973X.2015.06.003
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 于慧敏 浙江大学信息与电子工程学系 32 318 9.0 17.0
2 曾雄 浙江大学信息与电子工程学系 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
视频跟踪
压缩感知
Median-Flow跟踪
排序向量SVM (RV-SVM )
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
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导