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:
跟踪-学习-检测(TLD)目标跟踪算法能够实现长时间的在线目标跟踪,但当目标平面旋转发生形变以及目标被严重遮挡时,TLD算法在跟踪过程中会产生跟踪漂移.针对上述问题,在TLD算法的跟踪模块上使用稀疏原型进行跟踪,提出一种稀疏原型(SP)-TLD目标跟踪算法.当出现由于平面旋转引起的目标形变时,通过仿射变换变化坐标位置,能够准确跟踪目标避免产生跟踪漂移.在目标被严重遮挡时,根据目标的主成分分析基向量和琐碎模板判断目标未被遮挡及被遮挡部分,从而识别出被遮挡的目标.实验结果表明,与TLD算法相比,SP-TLD算法具有更高跟踪准确率和更强鲁棒性.
推荐文章
基于改进的TLD目标跟踪算法
TLD算法
ViBe算法
SIFT特征匹配算法
跟踪漂移
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TLD框架的快速目标跟踪方法
目标跟踪
跟踪学习检测
动态调整
模板匹配
实时性
基于改进粒子滤波的稀疏子空间单目标跟踪算法
目标跟踪
贝叶斯滤波
粒子滤波
稀疏子空间
过渡样本
聚类中心
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TLD的稀疏原型目标跟踪算法
来源期刊 计算机工程 学科 工学
关键词 目标跟踪 稀疏原型 仿射变换 主成分分析基向量 琐碎模板
年,卷(期) 2017,(6) 所属期刊栏目 图形图像处理
研究方向 页码范围 236-240
页数 5页 分类号 TP391
字数 4421字 语种 中文
DOI 10.3969/j.issn.1000-3428.2017.06.038
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 陈伟 中国矿业大学计算机科学与技术学院 53 226 7.0 11.0
2 王珂 中国矿业大学计算机科学与技术学院 33 151 6.0 11.0
3 周军娜 中国矿业大学计算机科学与技术学院 3 10 2.0 3.0
4 蔡长征 中国矿业大学计算机科学与技术学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (39)
参考文献  (10)
节点文献
引证文献  (5)
同被引文献  (9)
二级引证文献  (8)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(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)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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)
2019(9)
  • 引证文献(2)
  • 二级引证文献(7)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
目标跟踪
稀疏原型
仿射变换
主成分分析基向量
琐碎模板
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导