Resumen

Con el fin de obtener un modelo discriminativo de apariencia compacta para el seguimiento eficaz de objetos, este artículo propone una nueva estrategia de seguimiento estructural que incluye un modelo de apariencia dispersa inversa multicue y una evaluación métrica óptima entre plantillas robustas en línea y un número limitado de muestras de partículas en el proceso de bucle. El modelo de apariencia dispersa inversa multicue mejora globalmente la selección eficiente de muestras de partículas informativas que pueden evitar el engorroso coste de codificación y decodificación de las muestras de partículas aleatorias triviales. En cada bucle de seguimiento sólo intervienen los casos cruciales más potenciales. De este modo, se evita una reducción numérica brusca y poco razonable de las muestras de partículas y se mantiene la imparcialidad y la estocástica dinámica del proceso de muestreo. Mientras tanto, los autorrepresentantes de bajo rango para las muestras positivas y negativas facilitan la formulación de un libro de códigos adecuado que ordena los coeficientes dispersos útiles para las bolsas de características y facilita la evaluación métrica óptima para el entrenamiento en línea. También alivia la degradación de la precisión del seguimiento de objetos ocluidos y mejora la robustez del rastreador. Ambos preservan la compacidad discriminativa del objetivo, lo que acelera la localización por filtrado de partículas para separar el objeto objetivo de los distractores. Además, el método propuesto explota las representaciones de la apariencia en línea para aprender la información compacta compartida que evita las enormes cargas de cálculo para datos visuales masivos.

• Materias:Matemáticas
• Subjects:mathematics
• Palabras claves:evaluación métrica óptima, muestras de partículas, modelo de aspecto disperso inverso multicue, modelo de aspecto compacto discriminativo, modelo de aspecto disperso inverso, nueva estrategia de seguimiento estructural, muestras de partículas aleatorias triviales, muestras de partículas informativas, cargas de cálculo masivas, datos visuales masivos
• Keywords:optimal metric evaluation, particle samples, multicue inverse sparse appearance model, discriminative compact appearance model, inverse sparse appearance model, new structural tracking strategy, trivial random particle samples, informative particle samples, massive calculation burdens, massive visual data