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:
针对复杂跟踪环境下,单模态方法不能很好地跟踪目标的问题,提出了一种基于多模态特征联合稀疏表示的目标跟踪方法。该方法对每个候选样本的多模态特征进行联合稀疏表示,将各模态重建误差之和用于计算候选样本的观察概率,并将具有最大观察概率的候选样本确定为目标。通过与其他一些流行跟踪算法进行对比实验,结果表明本方法在遮挡、光照变化等场景下均能可靠跟踪,具有更好的跟踪效果,从而验证了方法的可行性。
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
基于稀疏表示和特征选择的LK目标跟踪
视觉跟踪
稀疏表示
LK图像配准算法
特征选择
样本分块稀疏表示判决式目标跟踪
粒子滤波
样本分块
稀疏表示
分类器
梯度特征稀疏表示目标跟踪
目标跟踪
梯度方向直方图
稀疏表示
压缩感知
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 多模态特征联合稀疏表示的视频目标跟踪
来源期刊 哈尔滨工程大学学报 学科 工学
关键词 计算机视觉 视频目标跟踪 多模态 LBP APG 模板更新 联合稀疏表示
年,卷(期) 2015,(12) 所属期刊栏目
研究方向 页码范围 1609-1613
页数 5页 分类号 TP391
字数 4147字 语种 中文
DOI 10.11990/jheu.201412012
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 王建华 哈尔滨师范大学计算机科学与信息工程学院 92 484 11.0 15.0
3 唐降龙 哈尔滨工业大学计算机科学与技术学院 105 1135 17.0 29.0
6 刘家锋 哈尔滨工业大学计算机科学与技术学院 60 769 16.0 25.0
7 段喜萍 哈尔滨工业大学计算机科学与技术学院 5 28 3.0 5.0
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  (3)
同被引文献  (3)
二级引证文献  (16)
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)
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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(8)
  • 引证文献(1)
  • 二级引证文献(7)
2019(7)
  • 引证文献(0)
  • 二级引证文献(7)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
计算机视觉
视频目标跟踪
多模态
LBP
APG
模板更新
联合稀疏表示
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
哈尔滨工程大学学报
月刊
1006-7043
23-1390/U
大16开
哈尔滨市南岗区南通大街145号1号楼
14-111
1980
chi
出版文献量(篇)
5623
总下载数(次)
16
总被引数(次)
45433
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导