文献

J-GLOBAL ID：202102217287678943   整理番号：21A0109117

CNN特徴抽出に基づく粒子フィルタビデオ追跡アルゴリズムに関する研究【JST・京大機械翻訳】

Research on Particle Filter Video Tracking Algorithms Based on CNN Feature Extraction

著者 (2件)： Yu Shuchun (哈爾浜理工大学 測控技術与儀器黒竜江省高校重点実験室,哈爾浜150080) ,  Tong Xiaoyu (哈爾浜理工大学 測控技術与儀器黒竜江省高校重点実験室,哈爾浜150080)
資料名： Ha’Erbin Ligong Daxue Xuebao  (Ha'Erbin Ligong Daxue Xuebao)
巻： 25  号： 4  ページ： 78-83  発行年： 2020年 
JST資料番号： C3248A  ISSN： 1007-2683  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： 複雑な場面における移動目標追跡のロバスト性の不足に照準を定めて,CNN特徴抽出に基づく粒子フィルタ目標追跡アルゴリズムを提案した。CNNの自律学習機構を用いて,画像中のターゲットの高レベルセマンティック特徴を抽出した。カオス配列可変スケールホタルアルゴリズムを導入し,ターゲット認識の精度を改善した。meanshiftと重み最適化を結合した粒子フィルタ追跡アルゴリズムを構築し、粒子に対して重み最適化を行い、粒子集合の多様性を改善し、ビデオ追跡をより精密にした。シミュレーション実験は,このアルゴリズムが,照明,および激しい運動などの場面に適応し,照明変化,スケール変化,およびオクルージョンなどに対して,良好な適応性と実時間性能を持つことを示した。7つの他の方法との比較結果は,同じ実験条件の下で,追跡成功率と追跡精度が他の方法より5%40%高いことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  シミュレーション ,  *特徴抽出 ,  適応性 ,  物体認識 ,  *録画装置 ,  カオス ,  ロバスト性 ,  オクルージョン
準シソーラス用語： *粒子フィルタ ,  成功率 ,  照明変化 ,  移動目標 ,  *追跡アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： CNN ,  特徴抽出 ,  粒子フィルタ ,  ビデオ ,  追跡アルゴリズム ,  研究