文献

J-GLOBAL ID：201802284419087470   整理番号：18A1655751

空時文脈モデルにおける複数特徴融合に基づく監視目標追跡【JST・京大機械翻訳】

Object Tracking Algorithm Based on Multi-feature Fusion in Spatio-temporal Context Model

著者 (1件)： Yang Yang (華南理工大学 土木与交通学院,广州,510640)
資料名： Jisuanji Celiang yu Kongzhi  (Jisuanji Celiang yu Kongzhi)
巻： 26  号： 6  ページ： 192-195  発行年： 2018年 
JST資料番号： C3592A  ISSN： 1671-4598  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： ビデオ処理技術とネットワーク技術の発展に伴い、ビデオモニタリング応用は次第に人々の日常活動の方面に浸透し、どのように精度が高く、ロバスト性の良い目標追跡技術を設計するかは、依然として現在研究の注目点と難点である;。工学応用の実践に基づいて,マルチ特徴融合と適応モデル更新の空間-時間文脈目標追跡アルゴリズムを提案して,豊富な多様なマルチ特徴情報を空間-時間文脈モデルに統合する。多特性の相補性のため,単一特徴がターゲット領域記述の欠陥を克服でき,アルゴリズムの抗干渉能力を向上させることができる。同時に,適応学習因子戦略を提案し,一般化能力を強化した。選択した特徴集合は,色,勾配,方向,点特性を含む19の特性を含み,そのサブブロックサイズは11×11,ガウスカーネル分散は2,損失項の正則パラメータは0.005であり,他のパラメータ設定はSTCと同じであった。大量のシミュレーション実験は,提案した改良アルゴリズムの追跡中心誤差指数が既存のKCF,MFCとSTC追跡アルゴリズムよりそれぞれ5.4%,2.1%と3.6%高く,複雑な追跡場面に対して強いロバスト性と抗干渉能力を有することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  パラメータ ,  ネットワーク ,  *アルゴリズム ,  ロバスト性 ,  録画装置 ,  干渉
準シソーラス用語： Gaussカーネル ,  ブロックサイズ ,  適応学習 ,  追跡アルゴリズム ,  適応モデル ,  ビデオ監視 ,  *ターゲット追跡 ,  *特徴融合 , 【Automatic Indexing@JST】

著者キーワード (6件)： object tracking ,  multi-feature fusion ,  adaptive ,  spatio-tempora ,  generalization ability ,  complementary property

分類 (2件)： 計算機網  (JC03000K) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 文脈モデル ,  特徴融合 ,  目標追跡