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:
为了提高多目标跟踪的鲁棒性,增强目标之间的区别性,使用了一种基于能量最小化(energy minimization,EM)的多目标跟踪算法,不同于现有算法,本算法专注于将多目标跟踪中的复杂问题表示为能量函数的模型,模型中包括了更优的目标区分策略(相似度模型).通过将每个能量函数成本值对应一个多目标的跟踪轨迹方案,算法将多目标跟踪问题转化为能量最小化的问题.在能量函数模型的优化方法上,算法采用共轭梯度算法和一系列的跳转运动来找到能量最小的值.公开数据集的实验结果证明了本算法的有效性,而且定量分析结果证明了本算法提高了目标与背景、目标之间的相互区别性从而与其他算法相比能获得更好的鲁棒性能.
推荐文章
在线多目标视频跟踪算法综述
视频分析
计算机视觉
多目标跟踪
深度学习
新的高效多目标跟踪算法
多目标跟踪
联合数据关联
确认矩阵
实时性
计算量
基于均值漂移—连通域标记的多目标跟踪算法
均值漂移
多目标跟踪
连通域标记
矩特征
特征匹配
基于ORB特征点匹配的多目标跟踪算法
显著性
特征点
匹配
目标跟踪
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EM的多目标跟踪算法
来源期刊 电子测量与仪器学报 学科 工学
关键词 多目标跟踪 目标区分策略 能量最小化
年,卷(期) 2017,(1) 所属期刊栏目 学术论文
研究方向 页码范围 139-143
页数 5页 分类号 TN911.73
字数 3060字 语种 中文
DOI 10.13382/j.jemi.2017.01.020
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 蒋薇薇 合肥工业大学计算机与信息学院 29 313 9.0 17.0
2 鲁昌华 合肥工业大学计算机与信息学院 85 826 14.0 24.0
3 杜雲 合肥工业大学计算机与信息学院 2 12 2.0 2.0
4 周娜 合肥工业大学计算机与信息学院 2 8 2.0 2.0
5 徐婷佳 合肥工业大学计算机与信息学院 2 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (37)
共引文献  (31)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (20)
二级引证文献  (2)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(6)
  • 参考文献(1)
  • 二级参考文献(5)
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(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(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
多目标跟踪
目标区分策略
能量最小化
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
电子测量与仪器学报
月刊
1000-7105
11-2488/TN
大16开
北京市东城区北河沿大街79号
80-403
1987
chi
出版文献量(篇)
4663
总下载数(次)
23
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导