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:
为了解决目标跟踪忽视背景信息的问题,运用非常稀疏的矩阵对目标与背景样本提取低维 Haar特征,并将候选目标在过完备字典中进行稀疏表示,用块正交匹配追踪的方式对稀疏表示进行求解,通过残差对目标作最大似然估计,提高跟踪效果。实验结果表明,在光照变化、遮挡、复杂背景等情况下,基于稀疏表示的目标跟踪算法具有较高的鲁棒性,且在跟踪速度上有所提升。
推荐文章
基于局部稀疏表示的目标跟踪算法
目标跟踪
稀疏表示
l1算法
分块策略
生成模型
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
基于元样本稀疏表示的目标跟踪算法
目标跟踪
稀疏表示
l1最小范数
元样本
主成分分析
基于稀疏表示的目标跟踪算法
稀疏表示
目标追踪
外观模型
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 基于稀疏表示的目标跟踪算法
来源期刊 桂林电子科技大学学报 学科 工学
关键词 Haar特征 背景信息 稀疏表示 块正交匹配
年,卷(期) 2015,(4) 所属期刊栏目
研究方向 页码范围 305-309
页数 5页 分类号 TP391
字数 3503字 语种 中文
DOI
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 张红梅 桂林电子科技大学信息与通信学院 52 203 7.0 11.0
2 张向利 桂林电子科技大学信息与通信学院 80 649 11.0 23.0
3 李鹏飞 桂林电子科技大学信息与通信学院 9 70 3.0 8.0
4 温荟然 桂林电子科技大学信息与通信学院 2 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  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 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)
研究主题发展历程
节点文献
Haar特征
背景信息
稀疏表示
块正交匹配
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
桂林电子科技大学学报
双月刊
1673-808X
45-1351/TN
大16开
广西桂林市金鸡路1号
1981
chi
出版文献量(篇)
2598
总下载数(次)
1
总被引数(次)
11679
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导