文献

J-GLOBAL ID：201702264395661641   整理番号：17A0320230

適応型重みによる多重特徴追跡【Powered by NICT】

Multi-feature tracking via adaptive weights

著者 (4件)： Jiang Huilan (School of Information and Communication Engineering, Dalian University of Technology, Dalian 116023, China) ,  Li Jianhua (School of Information and Communication Engineering, Dalian University of Technology, Dalian 116023, China) ,  Wang Dong (School of Information and Communication Engineering, Dalian University of Technology, Dalian 116023, China) ,  Lu Huchuan (School of Information and Communication Engineering, Dalian University of Technology, Dalian 116023, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 207  ページ： 189-201  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 本研究では,筆者らは適応型重みを持つ多チャネルを用いた新しいオンライン物体追跡アルゴリズムを提案した。第一に,各画素の信頼値は,このピクセルがトラッキングされたオブジェクトに属する確率を示す信頼マップのセットを生成するために強度,勾配(H OG)のヒストグラム及び色命名特徴を利用した。強度特徴は,エネルギー情報をカバーしており,H OG特徴はそれぞれトラッキングされたオブジェクトおよびその背景のテクスチャ情報を示した。カラーネーミング特徴は,前述のだけでなく,より安定な外見モデルを構築するために高レベル特徴を提供するばかりでなく,効果的に乱雑な着色背景を持つ追跡を扱う。第二に,標的と背景状況の中心,連続フレーム中のいくつかの統計的相関を表す間の密接な関係を示すオンラインモデルを学習する。最後に,それぞれの特徴チャネルの信頼マップを生成し,適応的に異なるチャネルからの融合信頼マップによる最終信頼マップを得るために外見モデルとオンラインモデルを利用した。トラッキングされたオブジェクトの最適位置は融合最終信頼マップの最大値に基づいて決定することができた。最近のベンチマークデータセット上での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の方法よりも良好な性能を達成し,特に色配列のことを実証した。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： *チャネル ,  多重化 ,  画素 ,  着色 ,  ベンチマーク ,  ヒストグラム ,  追跡アルゴリズム
準シソーラス用語： 物体追跡 ,  定量的評価 ,  外見モデル ,  テクスチャ ,  オンライン ,  マルチチャネル ,  *特徴追跡 , 【Automatic Indexing@JST】

著者キーワード (4件)： 物体追跡 ,  マルチ機能 ,  適応重み ,  ベンチマーク評価

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 多重 ,  特徴追跡