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:
基于稀疏表示的目标跟踪算法多数利用稀疏系数计算目标位置信息,而忽略了稀疏表示过程中的残差所包含的信息。因此,本文设计了一种基于残差矩阵估计的跟踪模型。该模型在粒子滤波的框架下利用L1范数分别约束稀疏表示系数与残差矩阵,并且利用L2范数建立残差矩阵与观测模型之间的联系。本文给出了相应求解模型的表示系数与残差矩阵的迭代算法,并利用残差矩阵更新模板字典。相比应用稀疏系数的跟踪算法,本文算法考虑了残差矩阵对跟踪结果的影响,使得算法对于候选目标的评估更加精确,同时在模板更新部分引入残差矩阵,使得字典能够更好地描述目标的变化。实验数据表明,本文算法优于现今主流算法。
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
基于稀疏表示的残差连续目标跟踪算法
目标跟踪
稀疏表示
粒子滤波
模板字典
残差
连续性
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 基于残差矩阵估计的稀疏表示目标跟踪算法?
来源期刊 物理学报 学科
关键词 稀疏表示 正则化 残差矩阵 目标跟踪
年,卷(期) 2016,(19) 所属期刊栏目 电磁学、光学、声学、传热学、经典力学和流体动力学
研究方向 页码范围 194201-1-194201-10
页数 1页 分类号
字数 语种 中文
DOI 10.7498/aps.65.194201
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 高文 中国科学院长春光学精密机械与物理研究所 150 5863 39.0 72.0
2 朱明 中国科学院长春光学精密机械与物理研究所 228 2519 25.0 40.0
3 杨航 中国科学院长春光学精密机械与物理研究所 16 157 7.0 12.0
4 王慧利 中国科学院长春光学精密机械与物理研究所 7 23 3.0 4.0
8 陈典兵 中国科学院长春光学精密机械与物理研究所 5 37 3.0 5.0
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  (0)
节点文献
引证文献  (3)
同被引文献  (6)
二级引证文献  (4)
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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
稀疏表示
正则化
残差矩阵
目标跟踪
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
物理学报
半月刊
1000-3290
11-1958/O4
大16开
北京603信箱
2-425
1933
chi
出版文献量(篇)
23474
总下载数(次)
35
总被引数(次)
174683
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