|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：为了解决 A 1 范数约束下的稀疏表示判别信息不足的问题，该文提出基于局部敏感核稀疏表示的视频目标
! S; Y9 X7 y7 ]- O. @' O跟踪算法。为了提高目标的线性可分性，首先将候选目标的 SIFT 特征通过高斯核函数映射到高维核空间，然后在: e. P. `3 H7 m. @2 u+ \ u* J: @
高维核空间中求解局部敏感约束下的核稀疏表示，将核稀疏表示经过多尺度最大值池化得到候选目标的表示，最后
: m5 M2 } q+ w) W3 O将候选目标的表示代入在线的 SVMs，选择分类器得分最大的候选目标作为目标的跟踪位置。实验结果表明，由于
& Y c6 y& Q, B+ Q0 n! V% r# I利用了核稀疏表示下数据的局部性信息，使得算法的鲁棒性得到一定程度的提高。) x* \5 N9 l% T" z- v T2 D8 X
关键词：视频跟踪；核稀疏表示；局部敏感约束；支持向量机2 ?6 h2 l+ r7 {8 M& R
1 引言# Y) y% s* M% r: l) D) k4 E0 w! i$ D
视频目标跟踪是计算机视觉领域的基础问题之# C6 Y% b m. H
一[1]，广泛应用于视频监控、机器人导航、人机交互
' }. d( K+ j2 v+ ^+ a; E( C和精确制导等领域，是各种后续高级处理，如目标: S" S X+ |: |8 F1 Y e
识别、行为分析、视频图像压缩编码和应用理解等6 I; l- v) w9 U8 S
高层视频处理和应用的基础。跟踪面临的挑战从内# {3 i( N5 J# @8 Y2 _0 a e& t5 D
外两个方面来说包括目标内部变化和外界变化，其+ @% a: q5 Z7 g s. T
中目标内部变化包括旋转、尺度变化和形变等，外9 F( S1 t( K& ^4 j9 H
界变化包括光照变化、遮挡和噪声等。由于目标自
! ?# _/ Y" a, Z m5 j; K, }
" c, a9 K& k; t
: `9 V: I, R. d+ \2 ~
- `& V2 l( ]3 R% K( Y7 T4 e7 v6 m0 @9 G( p0 g- a
* C) ^3 k$ f3 u3 G
附件下载：
" r B z5 @* V r/ x; {9 W
6 H' E7 t' B* V; h) D |
|
/1 
发表于 2021-1-28 11:06
收藏
淘帖
支持！
反对！