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:
许多基于稀疏表示跟踪算法都能鲁棒的跟踪各种挑战性场景中目标,但缺点是运行速度慢.在提出的跟踪算法中,以角点检测方法提取的各个兴趣点为中心,提取一定尺寸的图像块组成目标字典来表示目标.在之后备帧中,以各个候选兴趣点为中心利用粒子滤波算法提取不同方向和尺度的候选目标块.利用稀疏表示方法计算目标字典和候选目标块之间的对应关系.并定义相互匹配原则筛选候选目标块.通过所有选定的候选块平均偏移量来确定目标位置.最后利用最可靠的候选目标块更新目标字典.与当前已有的基于稀疏表示跟踪算法相比,本文算法不但跟踪性能更好,速度更快.
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
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
基于局部稀疏表示的目标跟踪算法
目标跟踪
稀疏表示
l1算法
分块策略
生成模型
非局部稀疏表示正则化的磁共振图像重建
图像重建
压缩感知
核磁共振成像
非局部相似性
稀疏表示
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 根据兴趣点进行局部建模的稀疏表示跟踪算法
来源期刊 小型微型计算机系统 学科 工学
关键词 稀疏表示 角点检测 粒子滤波 匹配原则
年,卷(期) 2017,(4) 所属期刊栏目 图形、图像及其它
研究方向 页码范围 876-880
页数 5页 分类号 TP391
字数 6195字 语种 中文
DOI
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  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (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)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
稀疏表示
角点检测
粒子滤波
匹配原则
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
小型微型计算机系统
月刊
1000-1220
21-1106/TP
大16开
辽宁省沈阳市东陵区南屏东路16号
8-108
1980
chi
出版文献量(篇)
11026
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导