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:
由于大多数稀疏表示的目标跟踪方法仅考虑目标的全局表示,容易导致目标丢失,因此对局部稀疏方法进行研究,提出一种基于局部稀疏表示的追踪方法。通过对目标区域局部图像块进行稀疏编码来表示目标观测模型,这种基于局部特征的跟踪器能够应对目标的外观变化;考虑遮挡因素的影响,对有遮挡的图像块做特殊处理;采用逻辑回归分类器进行分类,区分背景和目标物体,提高目标跟踪的准确度。对各种视频图像序列进行测试,测试结果表明,该方法具有更好的性能。
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
基于改进粒子滤波的稀疏子空间单目标跟踪算法
目标跟踪
贝叶斯滤波
粒子滤波
稀疏子空间
过渡样本
聚类中心
基于局部稀疏表示的目标跟踪
视频监控
目标跟踪
局部表观模型
稀疏表示
局部特征块
粒子滤波
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
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 基于局部稀疏的目标跟踪方法
来源期刊 计算机工程与设计 学科 工学
关键词 目标跟踪 稀疏表示 局部稀疏 局部特征 逻辑回归
年,卷(期) 2015,(12) 所属期刊栏目 多媒体技术
研究方向 页码范围 3279-3283
页数 5页 分类号 TP391.41
字数 4490字 语种 中文
DOI 10.16208/j.issn1000-7024.2015.12.023
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 王元全 天津理工大学计算机与通信工程学院 9 83 4.0 9.0
2 曾旭 天津理工大学计算机与通信工程学院 1 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  (3)
节点文献
引证文献  (2)
同被引文献  (5)
二级引证文献  (2)
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)
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)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
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
目标跟踪
稀疏表示
局部稀疏
局部特征
逻辑回归
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
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
总被引数(次)
161677
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导