您当前所在位置: 首页

论文收录信息

论文编号 201804-158
论文题目 基于L2正则化最小二乘法与卷机网络的目标跟踪算法
文献类型
收录期刊

上传封面

中文期刊 英文期刊

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

中文专著 英文专著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文译著 英文译著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文论文集 英文论文集

编者 . 论文集名称(中文) [c].

出版地 出版社 出版年-

编者 . 论文集名称(英文) [c].

出版地 出版社 出版年-

上传封面

中文文献 英文文献

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

后印本*

(请提交PDF文档)

基于L2正则化最小二乘法与卷机网络的目标跟踪算法

引用

复制文本

导出参考文献

.txt .ris .doc

周非

Zhou Fei(1977-),Male,Professor,Major in Wireless Positioning,Communication Signal Processing,Information Security and Image Processing.

薛斌

安康宁

高建军

发送私信

发送给

重庆邮电大学光通信与网络重点实验室,重庆,400065

摘要:目标跟踪是计算机视觉领域中的一个热门而又困难的研究课题,本文在粒子滤波框架下提出基于L2正则化最小二乘法和卷机网络的目标跟踪算法。首先,每一帧的遮挡率由L2跟踪算法来评估;其次,如果遮挡率满足两个不等式约束,则用卷机网络来对跟踪目标进行修正。为了使卷机网络适用于实时性较高的跟踪任务,本文采用简单的两层卷积网络来对目标进行稳健性表示。最后,在应用卷机网络求取样本的特征图时,大部分不重要的样本被去除,这使得算法的复杂度降低。在许多具有挑战性的测试视频上的测试结果表明,当目标发生旋转或姿态变化等剧烈的外观变化时,所提出的算法比L2跟踪算法鲁棒性更强,并且在精度方面优于其他经典跟踪算法。

关键词: 目标跟踪 粒子滤波 L2正则化 卷积网络

图表:

同行评议

评论

评论一下

全部评论
评论