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。
伝統的な識別的物体追跡法では,標的と同様に,背景はしばしば異なる分布を持つ多様なオブジェクトを含むにもかかわらず,二クラス分類器を訓練するために,単一負クラスとして誤ってした。1クラス分類器に基づく新しい方法は,オブジェクトトラッキングのための提案した。ターゲットを除くすべての他のクラスの集合として背景を示した。物体追跡は対応して1クラス分類問題として見られている。最初に,最近の数フレームにおける追跡結果は,ターゲットトレーニングサンプルとして収集した。第二に,K最近接グラフは,これらの訓練サンプルに基づいて構築し,最も代表的な試料は,最小スパンニング木を構築するための彼ら自身の局所的平均度に基づいて選択した。最小スパンニング木に基づく1クラス分類器は,ターゲットをモデル化するために訓練した。最後に粒子フィルタから得られた候補の類似性スコアは,訓練された1クラス分類器により評価し,最も高いスコアを持つものは,現在のフレームにおける追跡結果として採取し,訓練サンプルセットと1クラス分類器を更新するために使用されている。の挑戦的なビデオ列上での実験結果により,最先端の方法に対するロバスト性と精度でこの方法の優れた性能を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
