基于SIFT的压缩跟踪算法

被引：1

作者：

王权 ^{[1
,2
]}

刘侍刚 ^{[2
]}

彭亚丽 ^{[1
,2
]}

裘国永 ^{[2
]}

机构：

[1] 现代教学技术教育部重点实验室

[2] 陕西师范大学计算机科学学院

来源：

现代电子技术 | 2014年 / 37卷 / 15期

基金：

高等学校博士学科点专项科研基金;

关键词：

SIFT; 压缩感知; 目标跟踪; 降维;

D O I：

10.16652/j.issn.1004-373x.2014.15.042

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了克服基于灰度特征信息的跟踪算法在复杂的环境下无法区分目标和背景的缺陷,提出基于SIFT的压缩跟踪算法。该算法采用改进的SIFT特征提取方式,结合压缩感知理论对特征进行有效的降维,以在线多实例学习算法训练分类器,实现在出现目标偏移、姿态变化和光暗变化等情况下对目标实时准确的跟踪。实验结果表明,该算法能够在复杂环境下实现目标的准确实时跟踪。

引用

页码：62 / 64+67 +67

页数：4

共 5 条

[1] Real-time visual tracking via online weighted multiple instance learning [J].

Zhang, Kaihua ;

Song, Huihui .

PATTERN RECOGNITION, 2013, 46 (01) :397-411

[2] Visual object tracking via sample-based Adaptive Sparse Representation (AdaSR) [J].

Han, Zhenjun ;

Jiao, Jianbin ;

Zhang, Baochang ;

Ye, Qixiang ;

Liu, Jianzhuang .

PATTERN RECOGNITION, 2011, 44 (09) :2170-2183

[3]

Incremental Learning for Robust Visual Tracking[J] . David A. Ross,Jongwoo Lim,Ruei-Sung Lin,Ming-Hsuan Yang. International Journal of Computer Vision . 2008 (1)

[4]

Distinctive Image Features from Scale-Invariant Keypoints.[J] . David G. Lowe. International Journal of Computer Vision . 2004 (2)

[5]

Database-friendly random projections: Johnson-Lindenstrauss with binary coins[J] . Dimitris Achlioptas. Journal of Computer and System Sciences . 2003 (4)

← 1 →