文献

J-GLOBAL ID：201702266044858243   整理番号：17A0320329

階層的連合学習によるマルチターゲット追跡【Powered by NICT】

Multi-target tracking via hierarchical association learning

著者 (3件)： Zhu Songhao (School of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210046, China) ,  Sun Chengjian (School of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210046, China) ,  Shi Zhe (School of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210046, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 208  ページ： 365-372  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： 多目標追跡の問題に対処するために,本論文では,階層的な相関多目標追跡軌道生成法を提案した。ターゲット検出の結果に基づいて,オンライン判別分析見かけモデルと組み合わせたAdaBoostアルゴリズムでは,まず,初期移動物体追跡軌跡を達成するために利用されている,ハンガリーアルゴリズムを利用して,安定で正確な軌跡フラグメントを達成するための断片化と不連続追跡軌跡を最適化する最終的に,エネルギー最小化に基づく知的外挿アルゴリズムを利用して最終的な滑らかで連続追跡軌跡を達成することである。PETS2009/2010ベンチマークとTUD Stadtmitteビデオデータベース上での実験結果は,提案した方法の有効性と効率を実証した。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： 不連続性 ,  アルゴリズム ,  最適化 ,  ベンチマーク ,  *軌跡 ,  判別分析 ,  外挿法
準シソーラス用語： エネルギー最小化 ,  物体追跡 ,  AdaBoost ,  ターゲット検出 ,  軌道生成 ,  多ターゲット追跡 ,  *マルチターゲット ,  *連合学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 階層的相関 ,  Adaboostアルゴリズム ,  オンライン判別分析見かけモデル ,  ハンガリーアルゴリズム ,  連続エネルギー最小化

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 学習 ,  マルチ ,  ターゲット追跡