文献

J-GLOBAL ID：201602266499493173   整理番号：16A0317787

オンライン特徴選択を介したオブジェクト圧縮追跡【Powered by NICT】

Object Compressive Tracking via Online Feature Selection

著者 (4件)： Li Qingwu (Coll. of Internet of Things Engineering, Hohai Univ., Changzhou Key Lab. of Sensor Networks and Environmental ...) ,  Zhu Guoqing (Changzhou Key Lab. of Sensor Networks and Environmental Sensing, Changzhou) ,  Zhou Yan (Coll. of Internet of Things Engineering, Hohai Univ., Changzhou Key Lab. of Sensor Networks and Environmental ...) ,  Huo Guanying (Coll. of Internet of Things Engineering, Hohai Univ., Changzhou Key Lab. of Sensor Networks and Environmental ...)
資料名： Zidonghua Xuebao  (Zidonghua Xuebao)
巻： 41  号： 11  ページ： 1961-1970  発行年： 2015年 
JST資料番号： C2134A  ISSN： 0254-4156  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 圧縮センシング理論に基づく圧縮追跡アルゴリズムは,実時間物体追跡を効率的に実現することができるが,アルゴリズムは適切な物体特徴の選択をオンラインしない,低追従ロバスト性を示す。この問題を解決するために,オンライン特徴選択を用いた物体圧縮追跡アルゴリズムを提案した。最初に,正と負のサンプルのセットは対象物周りのサンプリングによって得られ,試料のマルチスケール矩形特徴を計算した。第二に,圧縮センシングランダム射影行列を用いて,低次元圧縮ドメイン特徴を得るために高次元特徴の次元数を減らすことであり,圧縮ドメイン特徴を更新と汚染試料を除去し,分類を更新するために最適な特徴を抽出するために選択されたオンライン。最後に,利用オブジェクトトラッキングを実現するために簡単で効率的なBayes分類モデル。さらに,カメラにおけるオブジェクトスケールの変化をモデル化し,スケールにおける変化の定量的記述は対象のスケール変化に適応できるマルチスケールトラッキングに対して与えた。実験結果は,提案したアルゴリズムが複数の最先端レベルアルゴリズムよりも高い追従精度とより良いロバスト性を達成することができ,オブジェクトトラッキングにおけるブロック,光変異,スケール変化,非剛体変形などの妨害に応答できることが示された。一方,低い計算複雑性を持ち,実時間要求を完全に満足する。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  次元縮小 ,  モデリング ,  ロバスト性 ,  *特徴選択 ,  計算量 ,  高次元
準シソーラス用語： 非剛体 ,  射影行列 ,  マルチスケール ,  物体追跡 ,  実時間 ,  追跡アルゴリズム ,  圧縮センシング ,  *オンライン , 【Automatic Indexing@JST】

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (4件)： オンライン ,  特徴選択 ,  オブジェクト ,  追跡