文献

J-GLOBAL ID：201702236889081435   整理番号：17A0373547

増加特徴選択オンラインFisher識別によるロバストな物体追跡【Powered by NICT】

Robust object tracking by online Fisher discrimination boosting feature selection

著者 (3件)： Yang Jing (Jiangsu Key Laboratory of Big Data Analysis Technology, Nanjing University of Information Science and Technology, Nanjing, China) ,  Zhang Kaihua (Jiangsu Key Laboratory of Big Data Analysis Technology, Nanjing University of Information Science and Technology, Nanjing, China) ,  Liu Qingshan (Jiangsu Key Laboratory of Big Data Analysis Technology, Nanjing University of Information Science and Technology, Nanjing, China)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 153  ページ： 100-108  発行年： 2016年 
JST資料番号： W0185A  ISSN： 1077-3142  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ビジュアルトラッキングにおける大きな外観変化は追跡性能に大きな影響を及ぼす。この課題を解決するために,本論文では,識別力の高い特徴を用いた効果的な出現モデルを開発した。オンラインFisher識別ブースティング特徴選択機構,クラス間散乱を拡大すること,それにより標的と背景の間の識別能力を向上させながら,これは内散乱を減少させる特徴を選択することができる。さらに,視覚追跡のための粒子フィルタリングの枠組であり,候補粒子の量は粒子の周りの文脈情報を考慮に入れ,それによりトラッキングのロバスト性を増強を利用する。効率を増加させるために,ターゲットを効率的にかつ正確に利用して粗から精への探索戦略。CVPR2013追跡ベンチマーク上での包括的実験を行い,精度とロバスト性の点で他の代表的なアルゴリズムよりも提案アルゴリズムの競争力のある性能を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *ロバスト性 ,  散乱 ,  ベンチマーク ,  *特徴選択 ,  アルゴリズム
準シソーラス用語： 粒子フィルタ ,  探索戦略 ,  文脈情報 ,  粒子フィルタリング ,  ブースティング ,  ビジュアルトラッキング ,  *物体追跡 ,  *オンライン , 【Automatic Indexing@JST】

著者キーワード (4件)： 視覚追跡 ,  粒子フィルタ ,  ブースティング ,  Fisher識別

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 特徴選択 ,  オンライン ,  識別 ,  ロバスト ,  物体追跡