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:
通过构建基于超像素的图作为视觉表示引入超像素间的空间信息.采用基于图模型的流形排序作为显著性检测方法得到第一阶段每个超像素的显著性,判别式表观模型则通过基于中层特征的分类器进行判别并利用空间信息对分类结果进行调整,将流形排序和分类结果结合作为先验信息选择随机游走种子点.结合随机游走得到的第二阶段的显著值和分类结果,最终得到当前帧的置信图.在置信图的基础上,采用积分图方法快速计算得到候选的观测值,将观测值最大的候选作为跟踪结果.在数据集上的实验结果表明,该方法可以有效处理快速运动和形变等问题,从而实现复杂背景下鲁棒的目标跟踪.
推荐文章
基于全局颜色对比的显著性目标检测
全局颜色对比
显著性图
条件随机场
显著性目标检测
基于Faster R-CNN的显著性目标检测方法
视觉显著性
目标检测
元胞自动机
超像素分割
基于显著性的目标自动分割算法
区域合并
显著性
频谱残差
膨胀
图像分割
基于CRF-MR的自顶向下显著性目标检测方法
自顶向下显著性目标检测
超像素分割
条件随机场
流行排序
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 基于有监督显著性检测的目标跟踪
来源期刊 南京大学学报(自然科学版) 学科 工学
关键词 流形排序 随机游走 超像素 目标跟踪
年,卷(期) 2017,(4) 所属期刊栏目
研究方向 页码范围 747-755
页数 9页 分类号 TP391
字数 5400字 语种 中文
DOI 10.13232/j.cnki.jnju.2017.04.018
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 杨育彬 南京大学计算机软件新技术国家重点实验室 41 906 14.0 29.0
2 朱尧 南京大学计算机软件新技术国家重点实验室 2 0 0.0 0.0
3 朱启海 南京大学计算机软件新技术国家重点实验室 1 0 0.0 0.0
4 毛晓蛟 南京大学计算机软件新技术国家重点实验室 3 9 1.0 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  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 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)
研究主题发展历程
节点文献
流形排序
随机游走
超像素
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
南京大学学报(自然科学版)
双月刊
0469-5097
32-1169/N
江苏省南京市南京大学
chi
出版文献量(篇)
2526
总下载数(次)
6
总被引数(次)
23071
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