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:
目标跟踪是计算机视觉领域重要的研究方向之一.基于l1最小化稀疏表示的目标跟踪算法跟踪精度高,但是在跟踪部分遮挡目标或当背景中存在与目标相似的干扰物时会发生漂移.这主要是因为算法仅关注目标的整体特征,而忽略了目标局部特征的变化情况.为了解决该问题,提出基于目标外观局部稀疏表示的跟踪算法.首先,对待选样本进行分块,然后利用采集得到的模板对各分块进行稀疏表示并计算重构误差,最后选取累积误差最小的待选样本作为跟踪目标.实验结果表明,该算法在跟踪被部分遮挡的目标时相比l1跟踪算法有更高的准确度.
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
基于稀疏表示和特征选择的LK目标跟踪
视觉跟踪
稀疏表示
LK图像配准算法
特征选择
样本分块稀疏表示判决式目标跟踪
粒子滤波
样本分块
稀疏表示
分类器
基于稀疏表示的目标跟踪算法
稀疏表示
目标追踪
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 基于局部稀疏表示的目标跟踪算法
来源期刊 软件导刊 学科 工学
关键词 目标跟踪 稀疏表示 l1算法 分块策略 生成模型
年,卷(期) 2018,(8) 所属期刊栏目 算法与语言
研究方向 页码范围 106-109
页数 4页 分类号 TP312
字数 4240字 语种 中文
DOI 10.11907/rjdk.181568
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 程中建 湖北大学计算机与信息工程学院 4 3 1.0 1.0
2 李康 湖北大学计算机与信息工程学院 6 19 2.0 4.0
3 袁晓旭 湖北大学计算机与信息工程学院 3 3 1.0 1.0
4 徐龙香 湖北大学计算机与信息工程学院 2 2 1.0 1.0
5 徐婷婷 湖北大学商学院 3 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (81)
共引文献  (22)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1946(1)
  • 参考文献(0)
  • 二级参考文献(1)
1951(1)
  • 参考文献(0)
  • 二级参考文献(1)
1963(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(13)
  • 参考文献(0)
  • 二级参考文献(13)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(8)
  • 参考文献(0)
  • 二级参考文献(8)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(4)
  • 参考文献(2)
  • 二级参考文献(2)
2017(4)
  • 参考文献(2)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 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
稀疏表示
l1算法
分块策略
生成模型
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
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导