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:
近年来目标的稀疏表示已经广泛应用到视频跟踪中。文中提出了一种基于局部稀疏表示的鲁棒目标跟踪算法,目标的表示将局部信息考虑在内,并且做出了遮挡处理。为了在新的帧中跟踪到目标,每一个候选目标通过在线构建的过完备字典以及模板解l1/2最小化问题稀疏表示。文中用l1/2规范最小化来代替l0,而不是用l1规范最小化,通过解l1/2最小化问题,可以找到比解l1最小化更稀疏、更精确的解。此外,l1/2比l0更容易求解。目标稀疏表示后,通过在线学习的分类器将目标区分出来。实验结果表明,与现有的一些算法相比,该算法稳定性好,性能更优越。
推荐文章
基于深度特征的稀疏表示目标跟踪算法
目标跟踪
稀疏表示
卷积神经网络
生成模型
深度学习
基于L1/2正则化和局部纹理约束的人脸超分辨率图像重建
稀疏表示
人脸图像
图像重建
L1/2正则化
局部纹理约束
L1/2正则化问题的最优性条件及下降算法
正则化
最优性条件
下降算法
全局收敛性
基于L1/2正则化理论的地震稀疏反褶积
地震反演
稀疏性
L1正则化
L1/2正则化理论
非凸正则化
高分辨率
薄层识别
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l1/2正则化的稀疏表示目标跟踪算法的研究
来源期刊 计算机技术与发展 学科 工学
关键词 视频跟踪 稀疏表示 过完备字典 l1/2最小化 分类器
年,卷(期) 2015,(1) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 82-86
页数 5页 分类号 TP301.6
字数 3410字 语种 中文
DOI 10.3969/j.issn.1673-629X.2015.01.019
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 王保云 南京邮电大学自动化学院 53 1141 7.0 33.0
2 邓萍 南京邮电大学自动化学院 8 26 3.0 5.0
3 贲敏 南京邮电大学自动化学院 1 3 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  (9)
节点文献
引证文献  (3)
同被引文献  (5)
二级引证文献  (1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(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)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(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
稀疏表示
过完备字典
l1/2最小化
分类器
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导