...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Image Processing, IET >Approach to model human appearance based on sparse representation for human tracking in surveillance
【24h】

Approach to model human appearance based on sparse representation for human tracking in surveillance

机译：基于稀疏表示的人类跟踪在监测中的疏散表示方法

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

In human tracking, sparse representation successfully localises the human in a video with minimal reconstruction error using target templates. However, the state-of-the-art approaches use colour and local appearance of a human to discriminate the human from the background regions, and hence fail when the human is occluded and appears in the varying illumination environment. In this study, a robust tracking algorithm is proposed that utilises gradient orientation and fine and coarse sparse representation of the target template. Sparse representation-based human appearance model utilises weighted gradient orientation that is insensitive to illumination variation. Coarse and fine representation of sparse code facilitates tracking under varying scales. Subspace learning from image gradient orientation is enforced with occlusion detection during the dictionary updation stage to capture the visual characteristics of the local human appearance that supports tracking under partial occlusion with lesser tracking error. The proposed human tracking algorithm is evaluated on various datasets and shows efficient human tracking performance when compared to the other state-of-the-art approaches. Furthermore, the proposed human tracking algorithm is suitable for surveillance applications.
机译：在人为跟踪中，稀疏表示成功地将人类定位在视频中，使用目标模板具有最小的重建错误。然而，最先进的方法使用人的颜色和局部外观来区分人从背景区域区分人，因此当人类被遮挡并且出现在不同的照明环境中时失败。在本研究中，提出了一种稳健的跟踪算法，其利用目标模板的梯度方向和精细且粗略稀疏表示。基于稀疏表示的人类外观模型利用对照明变化不敏感的加权梯度取向。稀疏代码的粗略和精细表示有助于在不同的尺度下跟踪。从图像梯度取向的子空间学习在字典初期期间强制执行遮挡检测，以捕获本地人类外观的视觉特性，这些特征支持与较小的跟踪误差在部分闭塞下跟踪。在与其他最先进的方法相比时，在各种数据集上评估所提出的人类跟踪算法，并显示出有效的人类跟踪性能。此外，所提出的人体跟踪算法适用于监控应用。

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