• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Arabian Journal for Science and Engineering >Robust Visual Tracking via Incremental Subspace Learning and Local Sparse Representation
【24h】

Robust Visual Tracking via Incremental Subspace Learning and Local Sparse Representation

机译：通过增量子空间学习和局部稀疏表示实现强大的视觉跟踪

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Single target tracking is an important part of computer vision, and its robustness is always restricted by target occlusion, illumination change, target pose change and so far. To deal with this problem, this paper proposed a robust visual tracking based on incremental subspace learning and local sparse representation. The algorithm adopts local sparse representation to test occlusion and rectifies the incremental learning error according to the occlusion detection outcome and to overcome the influence of occlusion on target template. Moreover, similarity between target templates and candidate templates is computed on the basis of local sparse representation. In the frame of particle filter, target tracking is achieved by combining incremental error and similarity measurement. The experimental resulting in several challenging sequences shows that the proposed method has better performance than that of state-of-the-art tracker.
机译：单目标跟踪是计算机视觉的重要组成部分，并且其鲁棒性始终受目标遮挡，照明变化，目标姿势变化等限制。为了解决这个问题，本文提出了一种基于增量子空间学习和局部稀疏表示的鲁棒视觉跟踪。该算法采用局部稀疏表示来测试遮挡，并根据遮挡检测结果纠正增量学习误差，并克服遮挡对目标模板的影响。此外，基于局部稀疏表示来计算目标模板和候选模板之间的相似性。在粒子滤波器的框架中，目标跟踪是通过结合增量误差和相似度测量来实现的。实验结果表明，所提出的方法具有比最新跟踪器更好的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号