Compressed sensing object tracking based on weighted multiple instance learning

doi:10.13741/j.cnki.11-1879/o4.2018.05.003

您当前的位置：

首页 >

文章列表页 >

Compressed sensing object tracking based on weighted multiple instance learning

更新时间：2025-09-01

- Compressed sensing object tracking based on weighted multiple instance learning
- Vol. 44, Issue 5, Pages: 525-530(2018)
- 作者机构：
  
  1:湘潭大学信息工程学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2018.05.003
  CLC：
- Published：2018
- 稿件说明：
移动端阅览
Compressed sensing object tracking based on weighted multiple instance learning[J]. 2018, 44(5): 525-530.
DOI：

Compressed sensing object tracking based on weighted multiple instance learning[J]. 2018, 44(5): 525-530. DOI： 10.13741/j.cnki.11-1879/o4.2018.05.003.

摘要

为了处理运动目标跟踪中的遮挡、光照变化以及背景杂乱等问题

提出了一种基于加权多实例学习的压缩感知目标跟踪方法。在提取图像块类Haar特征的基础上

采用随机投影方法对高维特征进行压缩

结合加权多实例学习策略

在boosting学习框架下训练分类器

根据分类器最大响应值得到跟踪目标图像块。使用矩形框手动标定第一帧图像的目标

对后续帧采样的正负实例的类哈尔特征进行压缩

通过这些样本特征训练分类器

得到跟踪结果。实验结果表明

所提算法具有较高的跟踪精度、实时性和鲁棒性

对所选的四个具有挑战性的视频序列

跟踪成功率都能超过89%

帧率也超过26f/s。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Real-time detection and tracking algorithm of moving target based on FPGA and its implementation technology

Adaptive fusion algorithm of infrared visible light image based on compressed sensing coupling gradient descent

The construction of partial Hadamard matrix of compressed sensing spectral measurement and its performance

Blind watermark algorithm based on SIFT for 3D point cloud model

Parallel compressive ghost imaging based on threshold segmentation

Related Author

何春

王锦良

陶勇

李彬华

邢凯

张佳丽

赵丽娜

白成杰

Related Institution

2:昆明理工大学云南省计算机技术应用重点实验室

1:昆明理工大学信息工程与自动化学院

1:南充职业技术学院电子信息工程系

1:山东师范大学物理与电子科学学院

2:上海理工大学出版印刷与艺术设计学院

⁰