Fast and Robust Object Tracking via Probability Continuous Outlier Model
Fast and Robust Object Tracking via Probability Continuous Outlier Model
复制标题
通过概率连续离群值模型进行快速、鲁棒的对象跟踪
DOI：
10.1109/tip.2015.2478399
复制
发表时间：
2015-09
影响因子：
10.6
通讯作者：
Bo Chunjuan
中科院分区：
文献类型：
--
作者：
Wang Dong;Lu Huchuan;Bo Chunjuan
提出了一种新的基于线性表示的视觉跟踪方法。首先，我们提出了一种新的概率连续离群模型（PCOM）来描述线性表示模型中的连续离群点。在该模型中，噪声观测样本的元素既可以用具有小高斯噪声的主成分分析子空间表示，也可以用具有均匀先验的任意值表示，其中采用简单的马尔可夫随机场模型来利用离群点（或内点）之间的空间一致性信息。然后，从概率论的角度推导出PCOM方法的目标函数。目标函数可以通过使用无异常最小二乘和标准最大流/最小割步骤迭代求解。最后，对于视觉跟踪，我们提出了一个有效的观察似然函数的基础上提出的PCOM方法和背景信息，并设计了一个简单的更新方案。定性和定量的评估表明，我们的跟踪器实现了相当大的性能在精度和速度方面。
This paper presents a novel visual tracking method based on linear representation. First, we present a novel probability continuous outlier model (PCOM) to depict the continuous outliers within the linear representation model. In the proposed model, the element of the noisy observation sample can be either represented by a principle component analysis subspace with small Guassian noise or treated as an arbitrary value with a uniform prior, in which a simple Markov random field model is adopted to exploit the spatial consistency information among outliers (or inliners). Then, we derive the objective function of the PCOM method from the perspective of probability theory. The objective function can be solved iteratively by using the outlier-free least squares and standard max-flow/min-cut steps. Finally, for visual tracking, we develop an effective observation likelihood function based on the proposed PCOM method and background information, and design a simple update scheme. Both qualitative and quantitative evaluations demonstrate that our tracker achieves considerable performance in terms of both accuracy and speed.
登录
查看更多内容
具有局部加权距离度量的逆稀疏跟踪器
DOI：
10.1109/tip.2015.2427518
发表时间：
2015-04
期刊：
IEEE Transaction on Image Processing
影响因子：
--
作者：
Dong Wang;Huchuan Lu;Ziyang Xiao;Ming-Hsuan Yang
通讯作者：
Ming-Hsuan Yang
影响因子：
10.6
作者：
Yang, Fan;Lu, Huchuan;Yang, Ming-Hsuan
通讯作者：
Yang, Ming-Hsuan
DOI：
--
发表时间：
2009
期刊：
--
影响因子：
--
作者：
Xue Mei;Haibin Ling
通讯作者：
Xue Mei;Haibin Ling
DOI：
10.1080/01621459.1973.10481436
发表时间：
1973-12
影响因子：
3.7
作者：
E. Schlossmacher
通讯作者：
E. Schlossmacher
影响因子：
3.6
作者：
S. Vajda
通讯作者：
S. Vajda