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:
传统的稀疏表示跟踪算法直接利用较为简单的灰度特征进行稀疏表示系数计算,易受遮挡、形变等影响。为此,提出一种局部自适应加权算法来增加受遮挡、形变等影响的候选目标与未受遮挡、形变等影响的候选目标之间的区分度。另外,一般稀疏表示算法利用数量较少的目标模板构建过完备字典。无法获得较好的稀疏系数。提出逆稀疏表示算法,利用包含丰富目标特征和背景特征的候选目标构建过完备字典来重构目标模板,相同维度的目标模板条件下可以获得更好的稀疏系数。实验表明,该算法在目标背景差异小或严重遮挡、形变情况下,都能够较好的跟踪目标。
推荐文章
尺度自适应的加权压缩跟踪算法
压缩跟踪
尺度更新
相关滤波器
加权分类器
目标跟踪
基于自适应稀疏表示的多聚焦图像融合
稀疏表示
多聚焦图像融合
自适应
梯度值
噪声先验自适应加权的稀疏表示混合去噪算法
混合去噪
稀疏表示
自适应中值滤波
原子加权
阴影匹配/粒子滤波自适应加权组合定位算法
阴影匹配
粒子滤波
自适应加权
定位精度
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 局部自适应加权的逆结构稀疏表示跟踪算法
来源期刊 光电工程 学科 工学
关键词 稀疏表示 自适应加权 过完备字典 候选目标
年,卷(期) 2016,(12) 所属期刊栏目 ?目标识别与跟踪?
研究方向 页码范围 85-91
页数 7页 分类号 TP391
字数 5464字 语种 中文
DOI 10.3969/j.issn.1003-501X.2016.12.014
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 吉训生 江南大学物联网工程学院 54 470 10.0 20.0
2 陈赛 江南大学物联网工程学院 7 10 2.0 3.0
3 王荣飞 江南大学物联网工程学院 3 12 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (3)
参考文献  (5)
节点文献
引证文献  (3)
同被引文献  (11)
二级引证文献  (0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(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)
2016(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(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(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
自适应加权
过完备字典
候选目标
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
光电工程
月刊
1003-501X
51-1346/O4
大16开
四川省成都市双流350信箱
1974
chi
出版文献量(篇)
4776
总下载数(次)
5
论文1v1指导