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:
逆向联合稀疏表示算法可充分利用跟踪过程中的时间相似性和空间连续性,但由于遮挡、光照变化等的影响,易出现跟踪漂移.为解决上述问题,提出一种基于局部模板更新逆向联合稀疏表示目标跟踪算法,其通过逆向局部重构目标模板集完成逆向联合稀疏表示.首先,在首帧初始化目标模板集,利用粒子滤波获取候选图像,并对其分块处理,构建逆向联合稀疏编码模型;然后,利用交替方向乘子法求解出稀疏编码系数,并通过2步评分机制获取最优候选图像;最后,根据相似性得分判断当前帧是否存在局部遮挡,若无遮挡,则局部更新目标模板集以减少跟踪漂移现象.实验结果表明,本文算法的跟踪精度和成功率在OTB-2013数据集上分别达到了85.4%和62.8%,在OTB100数据集上分别达到了76.8%和68.6%,速度达到每秒5.76帧,能有效提高鲁棒性,减少跟踪漂移.
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
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
基于局部稀疏表示的目标跟踪算法
目标跟踪
稀疏表示
l1算法
分块策略
生成模型
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
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 局部模板更新逆向联合稀疏表示目标跟踪算法
来源期刊 图学学报 学科 工学
关键词 目标跟踪 逆向联合稀疏表示 时-空信息 局部模板更新 交替方向乘子法
年,卷(期) 2022,(1) 所属期刊栏目 图像处理与计算机视觉|Image Processing and Computer Vision
研究方向 页码范围 60-69
页数 10页 分类号 TP391
字数 语种 中文
DOI 10.11996/JG.j.2095-302X.2022010060
五维指标
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
逆向联合稀疏表示
时-空信息
局部模板更新
交替方向乘子法
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
图学学报
双月刊
2095-302X
10-1034/T
16开
北京海淀学院路37号中国图学学会学报编辑部
1980
chi
出版文献量(篇)
3336
总下载数(次)
7
相关基金
福建省自然科学基金
英文译名:Natural Science Foundation of Fujian Province of China
官方网址:http://www.fjinfo.gov.cn/fz/zrjj.htm
项目类型:重大项目
学科类型:
论文1v1指导