抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ビジュアルトラッキングの最大の挑戦の一つ,閉塞は改悪観察により多くのトラッカーを妨げ,テンプレート精度を減衰する,あるいはトラッカーに混乱させるオクルダーを紹介した。本研究では,著者らは,前景確率分布を学習して閉塞を検出する手法を提案した。提案アプローチでは,ターゲットがグリッドセルに分割し,閉塞の可能性は,データ駆動的に各セルに対して決定した。細胞のそれぞれの閉塞指標を導入した。各セルのためのこの指標の対応する分布を学習することにより,多様なセットビデオとターゲットを用いて,ビデオや物体に普遍的に適用可能な閉塞確率分布のセットを得た。観測(即ち,オクルージョンマスクを生成する)の異なる細胞に閉塞可能性を割り当てることにより,筆者らが提案したアプローチは,入力の観測の異なる部分の信頼尺度を提供し,多くの一般的な追跡法と組み合わせることができる。本研究では,我々は,複数手がかりPFT,IVT,L1T,L1APG 四粒子フィルタに基づくトラッカーを採用し,閉塞マスクの有効性を試験した。提案した閉塞マスクを利用した観察の誤った部品の重量を低下させ,よりロバストなテンプレート更新を可能にし,オクルダーによる注意散漫を緩和する。法は挑戦的なビデオ上で評価した。定量的結果は,追跡精度向上を明らかにし,異なる閉塞シナリオの下で成功した追跡を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】