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:
文中针对目标跟踪领域中有严重遮挡、光照变化、背景复杂等挑战性问题,提出一种基于稀疏表示联合外观模型的目标跟踪算法.在生成模型中,将得到的块结构的稀疏编码系数进行对齐汇集操作,并将汇集后的稀疏系数进行联合加权处理,这样保留目标的空间结构和局部信息来提高目标定位的精度与跟踪的鲁棒性,获得一个更加具有鲁棒性的外观模型.采用大量的测试视频和不同的主流算法进行对比,实验证明,文中提出的算法具有更高的准确性和鲁棒性.
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
基于稀疏表示的目标跟踪算法
Haar特征
背景信息
稀疏表示
块正交匹配
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 南京邮电大学学报(自然科学版) 学科 工学
关键词 稀疏表示 目标追踪 外观模型
年,卷(期) 2016,(4) 所属期刊栏目 计算机与自动控制
研究方向 页码范围 101-106,112
页数 7页 分类号 TP391.41
字数 5106字 语种 中文
DOI 10.14132/j.cnki.1673-5439.2016.04.016
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 胡晓飞 南京邮电大学地理与生物信息学院 25 77 5.0 7.0
2 朱春 南京邮电大学通信与信息工程学院 4 12 2.0 3.0
3 储向锋 南京邮电大学通信与信息工程学院 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  (4)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 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(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
稀疏表示
目标追踪
外观模型
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
南京邮电大学学报(自然科学版)
双月刊
1673-5439
32-1772/TN
大16开
南京市亚芳新城区文苑路9号
1960
chi
出版文献量(篇)
2234
总下载数(次)
13
总被引数(次)
14649
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