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:
为改进由目标尺度变化和遮挡情况引起检测不准确的问题.提出在贝叶斯概率下,结合强分类器与超像素分割跟踪方法.利用HOG特征进行AdaBoost目标前景判别,确定搜素区域;在训练阶段,采用SLIC分割与MeanShift聚类形成超像素,计算置信值构造判别外观模型;在跟踪阶段,结合超像素特征池,生成模板直方图与置信图,候选样本采样,生成候选样本置信值,建立生成型外观模型;结合观测模型与运动模型,计算最大后验估计,确定跟踪目标.实验表明,前景判别超像素跟踪算法,能有效地解决目标尺寸变化和遮挡问题.
推荐文章
基于超像素与BoF的运动目标跟踪算法
目标跟踪
表观模型
中层视觉线索
超像素
BoF
粒子滤波框架
超像素和阈值分割相结合的显著目标检测算法
显著目标检测
超像素分割
阈值分割
感兴趣区域
超像素分割算法研究综述
超像素
图像分割
图论
梯度下降
基于聚类的超像素分割算法研究
超像素
图像分割
聚类
评价指标
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 基于前景判别超像素分割的目标检测跟踪算法
来源期刊 火力与指挥控制 学科 工学
关键词 超像素 AdaBoost 目标跟踪 外观模型
年,卷(期) 2018,(2) 所属期刊栏目 理论研究
研究方向 页码范围 102-106
页数 5页 分类号 TP751
字数 4868字 语种 中文
DOI 10.3969/j.issn.1002-0640.2018.02.021
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 李忠海 沈阳航空航天大学自动化学院 51 366 10.0 17.0
2 梁书浩 沈阳航空航天大学自动化学院 3 8 2.0 2.0
3 杨超 沈阳航空航天大学自动化学院 4 10 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (8)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (7)
二级引证文献  (0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
超像素
AdaBoost
目标跟踪
外观模型
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
火力与指挥控制
月刊
1002-0640
14-1138/TJ
大16开
山西太原193号信箱
22-134
1976
chi
出版文献量(篇)
9188
总下载数(次)
26
总被引数(次)
34280
论文1v1指导