文献

J-GLOBAL ID：201702216301247077   整理番号：17A0373545

識別外見モデリングによるマルチオブジェクト追跡【Powered by NICT】

Multi-object tracking via discriminative appearance modeling

著者 (3件)： Huang Shucheng (Jiangsu University of Science and Technology, No.2, Mengxi Road, Zhenjiang City, Jiangsu, China) ,  Jiang Shuai (Jiangsu University of Science and Technology, No.2, Mengxi Road, Zhenjiang City, Jiangsu, China) ,  Zhu Xia (Jiangsu University of Science and Technology, No.2, Mengxi Road, Zhenjiang City, Jiangsu, China)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 153  ページ： 77-87  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： 追跡複数オブジェクト自動ビデオコンテンツ解析と仮想現実感のための重要である。最近,曖昧な検出応答を克服するために,より効果的にデータ結合最適化を定式化する方法とより効果的な結合親和性モデルを構築するためにどのように多くの関心を集めている。これらの問題を解決するために,階層的多重仮説追跡法計量学習と複数手がかり融合ベース(MHMHT),よりロバストにデータ連想を行いより時間的文脈情報を組み込む方法を提案した。会合外見類似度は各関連trackletにおける特徴ベクトル間の距離と各トラック仮説の顕著なテンプレートを用いて計算したが,これは関連親和性を得るためにオンラインKalmanフィルタに基づいて計算した動的相似性と融合した。外見類似性はより識別するために,滑り時間窓における信頼性のあるトラックレットの空間的-時間的関係を特徴ベクトルと顕著なテンプレート間の距離を測定する識別出現計量を学習するための制約として使用されている。生成された軌道仮説の顕著なテンプレートを漸増的クラスタリング法を用いて更新され,高次時間的文脈情報を検討している。挑戦的なベンチマークデータセット上で提案MHMHTトラッカを評価した。定性的および定量的評価では提案の追跡アルゴリズムがいくつかの最先端法と対照して,順調に機能することを実証した。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： 最適化 ,  Kalmanフィルタ ,  学習 ,  *バーチャルリアリティ ,  類似性 ,  ロバスト性 ,  曖昧さ ,  親和性
準シソーラス用語： 定量的評価 ,  オンライン ,  特徴ベクトル ,  類似度 ,  文脈情報 ,  データ結合 ,  *物体追跡 , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチオブジェクトトラッキング ,  多重仮説追跡 ,  メトリック学習 ,  マルチキュー融合 ,  外見モデリング

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 識別 ,  外見モデリング ,  マルチ ,  オブジェクト追跡