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:
该文针对真实场景下视频跟踪过程中可能出现的目标形变、运动和遮挡等问题,该文分别构建了基于超像素局部信息的判别式模型和基于颜色与梯度全局信息的产生式模型,通过两者的结合提升了目标表观特征描述的可区分性和不变性;此外,提出一种基于稀疏主成分分析的更新策略,在更新特征字典的同时减少其冗余度,在判别式模型的更新阶段分别对每帧图像获得的跟踪结果进行二次判别从而避免漂移现象的发生。实验结果表明,与其它跟踪算法相比,该算法在应对目标姿态变化、背景干扰以及遮挡等复杂情况时具有更好的稳定性和鲁棒性。
推荐文章
基于超像素与BoF的运动目标跟踪算法
目标跟踪
表观模型
中层视觉线索
超像素
BoF
粒子滤波框架
基于超像素和判别稀疏的运动目标跟踪算法
判别稀疏
超像素
目标跟踪
表观模型
基于稀疏表达的遮挡目标跟踪算法
目标跟踪
粒子滤波
稀疏表达
Gabor特征
词典更新
遮挡
基于聚类的超像素分割算法研究
超像素
图像分割
聚类
评价指标
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 基于稀疏表达的超像素跟踪算法
来源期刊 电子与信息学报 学科 工学
关键词 计算机视觉 目标跟踪 稀疏表达 超像素分割 稀疏主成分分析
年,卷(期) 2015,(3) 所属期刊栏目
研究方向 页码范围 529-535
页数 7页 分类号 TP391.4
字数 5281字 语种 中文
DOI 10.11999/JEIT140374
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 吴成东 东北大学信息科学与工程学院 168 1357 19.0 27.0
2 陈东岳 东北大学信息科学与工程学院 25 145 8.0 11.0
3 齐苑辰 东北大学信息科学与工程学院 5 24 2.0 4.0
4 陆云松 东北大学信息科学与工程学院 2 23 2.0 2.0
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  (10)
节点文献
引证文献  (16)
同被引文献  (20)
二级引证文献  (22)
2003(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)
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)
2014(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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(11)
  • 引证文献(9)
  • 二级引证文献(2)
2018(14)
  • 引证文献(5)
  • 二级引证文献(9)
2019(10)
  • 引证文献(0)
  • 二级引证文献(10)
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
计算机视觉
目标跟踪
稀疏表达
超像素分割
稀疏主成分分析
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
电子与信息学报
月刊
1009-5896
11-4494/TN
大16开
北京市北四环西路19号
2-179
1979
chi
出版文献量(篇)
9870
总下载数(次)
11
总被引数(次)
95911
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
论文1v1指导