Incremental structured dictionary learning for video sensor-based object tracking.
Incremental structured dictionary learning for video sensor-based object tracking.
复制标题
DOI：
10.3390/s140203130
复制
发表时间：
2014-02-17
期刊：
影响因子：
--
通讯作者：
Yu Z
中科院分区：
文献类型：
--
作者：
Xue M;Yang H;Zheng S;Zhou Y;Yu Z
针对视频传感器应用中的目标跟踪问题，提出了一种基于增量式判别结构词典学习的在线判别算法(IDSDL-VT)。在该框架中，设计了一种结合正、负和平凡斑块的判别字典来稀疏地表示重叠的目标斑块。在此基础上，提出了一种稀疏系数学习的局部更新策略。为了制定训练和分类过程，提出了一种基于K组合投票(KCV)函数的多线性分类器组。随着词典的演变，模型也被训练以及时适应目标外观的变化。对具有挑战性的图像序列进行了定性和定量的评估，并与现有的跟踪算法进行了比较，结果表明该跟踪算法取得了更好的性能。我们还说明了它在视觉传感器网络中的中继应用。
To tackle robust object tracking for video sensor-based applications, an online discriminative algorithm based on incremental discriminative structured dictionary learning (IDSDL-VT) is presented. In our framework, a discriminative dictionary combining both positive, negative and trivial patches is designed to sparsely represent the overlapped target patches. Then, a local update (LU) strategy is proposed for sparse coefficient learning. To formulate the training and classification process, a multiple linear classifier group based on a K-combined voting (KCV) function is proposed. As the dictionary evolves, the models are also trained to timely adapt the target appearance variation. Qualitative and quantitative evaluations on challenging image sequences compared with state-of-the-art algorithms demonstrate that the proposed tracking algorithm achieves a more favorable performance. We also illustrate its relay application in visual sensor networks.
登录
查看更多内容
DOI：
10.1109/tpami.2010.226
发表时间：
2011-08-01
影响因子：
23.6
作者：
Babenko, Boris;Yang, Ming-Hsuan;Belongie, Serge
通讯作者：
Belongie, Serge
DOI：
10.1109/tpami.2011.66
发表时间：
2011-11-01
影响因子：
23.6
作者：
Mei, Xue;Ling, Haibin
通讯作者：
Ling, Haibin
影响因子：
19.5
作者：
Ross, David A.;Lim, Jongwoo;Yang, Ming-Hsuan
通讯作者：
Yang, Ming-Hsuan
影响因子：
10.6
作者：
Salti, Samuele;Cavallaro, Andrea;Di Stefano, Luigi
通讯作者：
Di Stefano, Luigi
DOI：
10.1109/tpami.2004.53
发表时间：
2004-08-01
影响因子：
23.6
作者：
Avidan, S
通讯作者：
Avidan, S