亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于HOG特征及稀疏外觀模型的目標(biāo)跟蹤

        2016-07-09 13:18:26劉天池
        軟件導(dǎo)刊 2016年6期

        劉天池

        摘要:提出一種基于HOG特征結(jié)合稀疏外觀模型(HOG-SPAM)的目標(biāo)跟蹤算法。提取目標(biāo)模版和候選目標(biāo)的HOG特征,HOG特征對(duì)圖像的幾何形變、光照以及陰影變化具有較強(qiáng)的魯棒性;使用提取的HOG特征構(gòu)建目標(biāo)的稀疏外觀模型,稀疏外觀模型對(duì)目標(biāo)外觀變化具有魯棒性,采用對(duì)齊匯聚方法度量候選目標(biāo)與目標(biāo)之間的相似性。在多個(gè)基準(zhǔn)圖像序列中,與已有流行方法相比,HOG-SPAM算法在目標(biāo)外觀變化和光照變化情況下有較好的魯棒性,同時(shí)在復(fù)雜背景情況下也具有一定魯棒性。

        關(guān)鍵詞:稀疏表示;HOG特征;稀疏外觀模型

        DOIDOI:10.11907/rjdk.161559

        中圖分類號(hào):TP301文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2016)006-0013-03

        參考文獻(xiàn):

        [1]AVIDAN S. Ensemble tracking[J].Pattern Analysis and Machine Intelligence,2007, 29(2): 261-271.

        [2]COLLINS R T, LIU Y, LEORDEANU M.Online selection of discriminative tracking features[J].Pattern Analysis and Machine Intelligence,2005, 27(10): 1631-1643.

        [3]GRABNER H, GRABNER M, BISCHOF H.Real-time tracking via on-line boosting[C].BMVC,2006:6.

        [4]GRABNER H, LEISTNER C, BISCHOF H.Semi-supervised on-line boosting for robust tracking[M].Computer Vision-ECCV 2008.Springer Berlin Heidelberg, 2008: 234-247.

        [5]BABENKO B, YANG M H, BELONGIE S.Visual tracking with online multiple instance learning[C].Computer Vision and Pattern Recognition, 2009.CVPR 2009.IEEE Conference on.IEEE, 2009: 983-990.

        [6]KALAL Z, MATAS J, MIKOLAJCZYK K.PN learning:bootstrapping binary classifiers by structural constraints[C].Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on.IEEE, 2010: 49-56.

        [7]ROSS D A, LIM J, LIN R S, et al.Incremental learning for robust visual tracking[J].International Journal of Computer Vision, 2008, 77(1-3): 125-141.

        [8]KWON J, LEE K M.Visual tracking decomposition[C].Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on.IEEE, 2010: 1269-1276.

        [9]YANG M, WU Y, HUA G.Context-aware visual tracking[J].Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2009, 31(7): 1195-1209.

        [10]MEI X, LING H.Robust visual tracking using L-1 minimization[C].Computer Vision, 2009 IEEE 12th International Conference on.IEEE, 2009: 1436-1443.

        [11]MEI X, LING H, WU Y, et al.Minimum error bounded efficient L1 tracker with occlusion detection[C].Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference on.IEEE, 2011: 1257-1264.

        [12]LIU B, YANG L, HUANG J, et al.Robust and fast collaborative tracking with two stage sparse optimization[M].Computer Vision–ECCV 2010.Springer Berlin Heidelberg, 2010: 624-637.

        [13]LIU B, HUANG J, YANG L, et al.Robust tracking using local sparse appearance model and k-selection[C].Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference on.IEEE, 2011: 1313-1320.

        [14]JIA X, LU H, YANG M H.Visual tracking via adaptive structural local sparse appearance model[C].Computer vision and pattern recognition (CVPR), 2012 IEEE Conference on. IEEE, 2012: 1822-1829.

        [15]ZHANG T, LIU S, XU C, et al. Structural sparse tracking[C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015: 150-158.

        [16]ZHONG W, LU H, YANG M H. Robust object tracking via sparsity-based collaborative model[C].IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society, 2012:1838-1845.

        中文字幕在线看精品乱码| 精品国产v无码大片在线观看| 热99精品| 少妇高潮无码自拍| 男男啪啪激烈高潮无遮挡网站网址| 搡女人真爽免费视频大全| 人人妻人人澡人人爽精品欧美| 精品国产av无码一道| 久久精品国产亚洲av高清蜜臀| 国产自产二区三区精品| 欧美熟妇性xxx交潮喷| 亚洲av区无码字幕中文色| 欧美日韩国产在线成人网| 国产在线视频一区二区三| 久久久久久夜精品精品免费啦| 久久综合国产乱子伦精品免费| 制服丝袜天堂国产日韩| 肉丝高跟国产精品啪啪| 一区二区三区视频在线观看免费| 中文字幕人妻少妇引诱隔壁| 美女视频一区| 能看的网站中文字幕不卡av| 夜晚黄色福利国产精品| 狠狠噜天天噜日日噜无码| 国产亚洲欧美在线| 日韩精品少妇专区人妻系列| 国产精品一区二区三区在线蜜桃| 伊人久久久精品区aaa片| 中文字幕经典一区| 久久久99精品国产片| 久久99精品久久久大学生| 久久精品无码专区免费青青| 亚洲国产成a人v在线观看| 国产精品一二三区亚洲| 挺进邻居丰满少妇的身体| 亚洲日韩乱码中文无码蜜桃臀| 一本色道久久综合亚洲精品蜜臀 | 国精品无码一区二区三区在线看 | 亚洲av色图一区二区三区| 久久久久亚洲av成人网人人网站| 青青操国产在线|