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:
目前利用稀疏表示对运动目标进行跟踪的方法,通常都只关注于利用不同的目标外观特征对最优化公式进行求解.而运动目标的方向特征则往往被忽略.方向向量能够在某种程度上描述运动目标的运动趋势,这对跟踪运动目标存在一定的意义.本文提出了贝叶斯运动估计框架下的基于方向的跟踪算法,利用方向向量弥补了稀疏表示中候选粒子不足的问题,惩罚部分候选粒子,并通过改进的学习方法对模板进行更新.通过与方向向量对应的像素点,我们补偿初始化粒子,并设置权值以增加对应粒子的概率、降低其他粒子被选为最佳粒子的可能性.所提方法充分考虑了目标的运动特征并避免了漂移现象的产生.
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
基于HTP稀疏表示的鲁棒目标追踪方法
目标追踪
稀疏表示
硬阈值追踪
计算量
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
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 基于方向向量和稀疏表示的运动目标跟踪方法研究
来源期刊 电脑知识与技术 学科 工学
关键词 稀疏表示 视觉跟踪 方向向量 光流 漂移现象
年,卷(期) 2019,(18) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 215-216
页数 2页 分类号 TP18
字数 2327字 语种 中文
DOI
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 徐金成 广东司法警官职业学院信息管理系 14 14 2.0 3.0
2 林凌锋 广东司法警官职业学院信息管理系 2 1 1.0 1.0
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  (3)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
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
稀疏表示
视觉跟踪
方向向量
光流
漂移现象
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
电脑知识与技术
旬刊
1009-3044
34-1205/TP
大16开
安徽省合肥市
26-188
1994
chi
出版文献量(篇)
58241
总下载数(次)
228
总被引数(次)
132128
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导