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:
在复杂场景中,目标的表示常常受到视角变化、光照变化、遮挡变化和背景干扰等影响.针对复杂环境下单一空间中表观模型的不鲁棒造成的跟踪不准确问题,在粒子滤波跟踪框架下提出一种基于多空间显著特征的目标跟踪算法.首先,针对单空间中目标表示的不准确性,通过各个子空间中目标和背景的差异性分析,进行显著空间的筛选.其次,在显著空间筛选的基础上,基于特征的差异性,构建目标的显著子空间矩阵表示,提升目标表示的鲁棒性.最后,通过粒子的显著表示和空间结构进行样本的有效筛选,降低冗余样本的干扰,提升跟踪的准确性.实验结果表明,在具有挑战性的视频上与现有流行的跟踪算法进行比较,证明了显著特征的有效性,且算法具有较好的鲁棒性和准确性.
推荐文章
基于压缩感知的多特征加权目标跟踪算法
目标跟踪
压缩感知
特征提取
特征加权
漂移
基于Kalman预测器的CT多特征加权目标跟踪算法
目标跟踪
压缩跟踪
Online-boosting
卡尔曼预测器
基于HOG及在线多实例学习的目标跟踪算法
HOG
分类器
在线多实例学习
目标跟踪
自适应模型更新的多特征融合目标跟踪算法
目标跟踪
特征融合
粒子滤波
自适应观测模型
高斯方差
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 基于多空间显著特征的目标跟踪算法
来源期刊 计算机技术与发展 学科 工学
关键词 目标跟踪 表观模型 显著特征 样本筛选 特征矩阵
年,卷(期) 2019,(11) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 71-76
页数 6页 分类号 TP301.6
字数 4833字 语种 中文
DOI 10.3969/j.issn.1673-629X.2019.11.015
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 饶志宏 17 91 6.0 9.0
2 张玲 24 83 6.0 8.0
3 田鹏 1 0 0.0 0.0
4 王溢 2 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  (0)
共引文献  (0)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2005(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)
2015(5)
  • 参考文献(5)
  • 二级参考文献(0)
2016(5)
  • 参考文献(5)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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
表观模型
显著特征
样本筛选
特征矩阵
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导