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:
为了克服基于检测的目标跟踪中的模型漂移问题,在基于检测的目标跟踪框架下提出一种新的基于图的流行排序的目标跟踪方法.该方法能够抑制在跟踪过程中目标变形、尺度变化以及遮挡等带来的背景信息的影响.首先,把目标矩形框划分为不重叠的图像块,构造一个k-正则图,即以这些图像块为图结点,构造k-正则图,边权定义为结点之间的底层特征的相似性.其次,为每一个图像块分配一个权重,用于表示该图像块在目标表达中的重要性,以此抑制背景信息的干扰,并通过半监督的方式进行计算.特别初始化一些背景或目标图像块,设其权重为1,其他为0,通过流行排序算法计算所有图像块属于背景或目标的权重.此外,使用多尺度特征金字塔的方法处理跟踪过程中的目标尺度变化,同时提高了初始图像块的可靠性.最后,把所有图像块的底层特征进行加权,连接成一个向量,作为矩形框的特征表达,并使用结构化输出(Struck)算法进行跟踪.在几个公共视频序列上进行了实验,结果表明,研究方法的跟踪性能极大地超过了其他跟踪方法.
推荐文章
基于 SIFT 排序的视觉跟踪算法
SIFT
特征排序
关键点
空域稳定因子
时域稳定因子
重要性权重
基于图的流行排序的显著目标检测改进算法
显著目标检测
显著性
背景先验
流行排序
仿射传播聚类
基于多表观模型竞争的视觉跟踪算法
视觉跟踪
模型更新
多表观模型
粒子滤波
一种基于流行排序的区域图像检索方法
图像检索
流行排序
多示例学习
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 基于图的流行排序的视觉跟踪
来源期刊 重庆大学学报 学科 工学
关键词 视觉跟踪 流行排序 尺度处理 Struck算法
年,卷(期) 2017,(7) 所属期刊栏目
研究方向 页码范围 43-51
页数 9页 分类号 TP391.41
字数 语种 中文
DOI 10.11835/j.issn.1000-582X.2017.07.007
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 宋启祥 宿州学院智能信息处理实验室 41 72 4.0 6.0
5 赵楠 安徽大学计算机科学与技术学院 3 2 1.0 1.0
6 邱慧丽 宿州学院智能信息处理实验室 46 50 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (7)
参考文献  (12)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(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(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
视觉跟踪
流行排序
尺度处理
Struck算法
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
重庆大学学报
月刊
1000-582X
50-1044/N
大16开
重庆市沙坪坝正街174号
78-16
1960
chi
出版文献量(篇)
6349
总下载数(次)
8
总被引数(次)
85737
相关基金
安徽省科技攻关计划
英文译名:
官方网址:
项目类型:
学科类型:
论文1v1指导