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:
针对传统的基于生成模式的跟踪方法对噪声及遮挡问题比较敏感,导致跟踪结果失败的问题,提出了以前几帧的跟踪结果作为观测矩阵,采用鲁棒的主元成分分析模型求解观测模型的低秩特征。当新的视频流到来时,不是把所有的跟踪结果矩阵作为观测矩阵。并提出了新的增量鲁棒的主元成分分析模型,采用增广拉格朗日算法求解新矩阵的低秩特征,并以此低秩矩阵在贝叶斯框架下建立跟踪模型,用恢复的低秩特征更新字典矩阵。将文中方法与其他6种跟踪算法在8种跟踪视频上进行跟踪对比。实验结果表明,所提出的方法具有较低的像素中心位置误差和较高的重叠率。
推荐文章
基于低秩表示的非负张量分解算法
图像分类
低秩表示
非负
张量分解
基于低秩稀疏表示的加权增量目标跟踪算法
目标跟踪算法
低秩稀疏表示
平方模板
增量主成分分析
加权增量
重构系数
基于约束低秩表示模型的联合半监督分类算法
低秩表示
约束矩阵
约束的低秩表示
半监督学习
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
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 在线低秩表示的目标跟踪算法
来源期刊 西安电子科技大学学报(自然科学版) 学科 工学
关键词 目标跟踪 低秩特征 鲁棒的主成分分析模型 字典矩阵
年,卷(期) 2016,(5) 所属期刊栏目
研究方向 页码范围 98-104
页数 7页 分类号 TP391
字数 5047字 语种 中文
DOI 10.3969/j.issn.1001-2400.2016.05.018
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 王海军 南京航空航天大学民航学院 27 78 5.0 6.0
3 张圣燕 滨州学院山东省高校航空信息技术重点实验室 22 68 5.0 7.0
4 葛红娟 南京航空航天大学民航学院 85 416 11.0 18.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (8)
参考文献  (9)
节点文献
引证文献  (5)
同被引文献  (3)
二级引证文献  (6)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(6)
  • 参考文献(2)
  • 二级参考文献(4)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
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
目标跟踪
低秩特征
鲁棒的主成分分析模型
字典矩阵
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
西安电子科技大学学报(自然科学版)
双月刊
1001-2400
61-1076/TN
西安市太白南路2号349信箱
chi
出版文献量(篇)
4652
总下载数(次)
5
总被引数(次)
38780
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导