Resumen

El seguimiento de objetos basado en la representación dispersa ha dado resultados prometedores en los últimos años. Sin embargo, los rastreadores bajo el marco de la representación dispersa siempre hacen demasiado hincapié en la representación dispersa e ignoran la correlación de la información visual. Además, los métodos de codificación dispersa sólo codifican la región local de forma independiente e ignoran la información espacial de la vecindad de la imagen. En este artículo, proponemos un algoritmo de seguimiento robusto. En primer lugar, se utilizan múltiples características complementarias para describir la apariencia del objeto; el modelo de apariencia del objetivo rastreado se modela mediante características de apariencia instantáneas y estables simultáneamente. Para calcular el aspecto del objeto reconstruido, se utiliza un método de codificación dispersa en dos etapas que tiene en cuenta la información de la vecindad espacial del parche de la imagen y la carga computacional. A continuación, se mide la fiabilidad de cada rastreador mediante la función de probabilidad de seguimiento de los modelos de apariencia transitoria y reconstruida. Por último, el rastreador más fiable se obtiene mediante un marco de filtro de partículas bien establecido; el conjunto de entrenamiento y la biblioteca de plantillas se actualizan de forma incremental en función de los resultados de seguimiento actuales. Los resultados de los experimentos con diferentes secuencias de vídeo difíciles muestran que el algoritmo propuesto tiene un buen rendimiento, con una precisión de seguimiento y una solidez superiores.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:información espacial de la vecindad, representación dispersa, marco del filtro de partículas, resultados de seguimiento prometedores, precisión de seguimiento superior, aspecto del objeto reconstruido, algoritmo de seguimiento robusto, resultados de seguimiento actuales, características complementarias múltiples, secuencia de vídeo difícil
• Keywords:spatial neighborhood information, sparse representation, particles filter framework, promising tracking results, superior tracking accuracy, reconstructed object appearance, robust tracking algorithm, current tracking results, multiple complementary features, challenging video sequence