陈赛
- 作品数：4 被引量：7H指数：2
- 供职机构：江南大学物联网工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 判别稀疏表示与在线字典学习的运动目标跟踪被引量：4
- 2017年
- 针对传统稀疏表示不能有效区分目标和背景的缺点,提出一种判别稀疏表示算法,这种算法在传统稀疏表示目标函数中加入一个判别函数,大大降低干扰因素对目标跟踪的影响。基于判别稀疏表示和?_1约束,提出一种在线字典学习算法升级目标模板,有效降低背景信息对目标模板的影响。提取目标梯度方向的直方图(HOG)特征,利用其对光照和形变等复杂环境具有较强鲁棒性的优点,实现对目标更稳定的跟踪。实验结果表明,与现有跟踪方法相比,该算法的跟踪效果更好。
- 吉训生陈赛黄越
- 关键词：目标跟踪字典学习梯度方向直方图
- 局部自适应加权的逆结构稀疏表示跟踪算法被引量：2
- 2016年
- 传统的稀疏表示跟踪算法直接利用较为简单的灰度特征进行稀疏表示系数计算,易受遮挡、形变等影响。为此,提出一种局部自适应加权算法来增加受遮挡、形变等影响的候选目标与未受遮挡、形变等影响的候选目标之间的区分度。另外,一般稀疏表示算法利用数量较少的目标模板构建过完备字典。无法获得较好的稀疏系数。提出逆稀疏表示算法,利用包含丰富目标特征和背景特征的候选目标构建过完备字典来重构目标模板,相同维度的目标模板条件下可以获得更好的稀疏系数。实验表明,该算法在目标背景差异小或严重遮挡、形变情况下,都能够较好的跟踪目标。
- 吉训生陈赛王荣飞
- 关键词：自适应加权
- 根据兴趣点进行局部建模的稀疏表示跟踪算法被引量：1
- 2017年
- 许多基于稀疏表示跟踪算法都能鲁棒的跟踪各种挑战性场景中目标,但缺点是运行速度慢.在提出的跟踪算法中,以角点检测方法提取的各个兴趣点为中心,提取一定尺寸的图像块组成目标字典来表示目标.在之后各帧中,以各个候选兴趣点为中心利用粒子滤波算法提取不同方向和尺度的候选目标块.利用稀疏表示方法计算目标字典和候选目标块之间的对应关系.并定义相互匹配原则筛选候选目标块.通过所有选定的候选块平均偏移量来确定目标位置.最后利用最可靠的候选目标块更新目标字典.与当前已有的基于稀疏表示跟踪算法相比,本文算法不但跟踪性能更好,速度更快.
- 吉训生陈赛王荣飞
- 关键词：角点检测粒子滤波
- 在线判别双字典学习的目标跟踪算法
- 2016年
- 传统目标跟踪算法的模板更新方法易导致目标模型漂移,为此提出一种在线判别双字典学习算法更新目标模板.双字典由目标字典和投影字典组成,其中目标字典表示目标模板.根据目标和背景样本在线迭代学习双字典,保证获其对目标维持高度描述性.通过判别函数的约束,不但降低背景信息更新到目标字典中的概率,而且保证真实目标在投影近字典上的投影近似于在目标字典上的稀疏系数,背景在投影字典上的投影近似零.因为投影的运算量较低,所以利用投影字典选择与目标字典相近的候选目标可以降低算法整体运算量.实验表明,在各种复杂环境中,算法都具有较高的稳定性.
- 吉训生陈赛
