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:
[目的]为了降低稀疏表示目标跟踪算法的计算复杂度,[方法]在粒子滤波框架下提出了基于局部结构变换域稀疏外观模型的视觉目标跟踪算法.[结果]该算法在目标区域附近提取重叠的局部图像块,并计算出所有局部图像块的二维离散余弦变换,获得图像块的变换域系数.变换域的能量集中特性被采用来降低字典的维度与候选样本的数量,并且对系数压缩一定的自由度可以抑制噪声与遮挡影响.采用被裁剪的样本与字典获得局部图像块的稀疏编码,然后将当前目标区域中所有小图像块的稀疏向量加权融合得到目标区域的稀疏表示值,并通过决策模型获取最优跟踪结果.与现有三种最新的跟踪算法比较的实验结果表明,[结论]所提算法的跟踪性能接近或超过对比算法,同时大大减小了f1范数最小化的计算复杂度.
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
基于目标变换模型的跟踪方法研究
目标跟踪
目标变换模型
最优化模型
L-M算法
基于全局和局部外观的视觉跟踪算法研究
视觉跟踪
双层视觉模型
外观
补丁
失效率
精度
基于HOG特征及稀疏外观模型的目标跟踪
稀疏表示
HOG特征
稀疏外观模型
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 基于局部结构变换域稀疏外观模型的目标跟踪
来源期刊 电视技术 学科 工学
关键词 目标跟踪 外观模型 局部离散余弦变换 稀疏表示 l1范数最小化 计算复杂度
年,卷(期) 2017,(7) 所属期刊栏目 视频应用与工程
研究方向 页码范围 140-146
页数 7页 分类号 TP391.41
字数 5123字 语种 中文
DOI 10.16280/j.videoe.2017.h7.029
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 王升哲 西南技术物理研究所制导与信息技术部 3 2 1.0 1.0
2 赵海波 西南技术物理研究所制导与信息技术部 2 3 1.0 1.0
3 梅员 西南技术物理研究所制导与信息技术部 3 15 2.0 3.0
4 唐中和 西南技术物理研究所制导与信息技术部 2 0 0.0 0.0
5 霍建亮 西南技术物理研究所制导与信息技术部 3 5 1.0 2.0
6 郭航 西南技术物理研究所制导与信息技术部 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (32)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
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)
2013(4)
  • 参考文献(4)
  • 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
目标跟踪
外观模型
局部离散余弦变换
稀疏表示
l1范数最小化
计算复杂度
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
电视技术
月刊
1002-8692
11-2123/TN
大16开
北京市朝阳区酒仙桥北路乙7号(北京743信箱杂志社)
2-354
1977
chi
出版文献量(篇)
12294
总下载数(次)
21
论文1v1指导