Biblioteca122.739 documentos en línea

Artículo

Visual Object Tracking Based on 2DPCA and MLSeguimiento visual de objetos basado en 2DPCA y ML

Resumen

Presentamos un novedoso algoritmo de seguimiento visual de objetos basado en el análisis de componentes principales bidimensional (2DPCA) y la estimación de máxima verosimilitud (MLE). En primer lugar, introducimos la regularización en la reconstrucción 2DPCA y desarrollamos un algoritmo iterativo para representar un objeto mediante bases 2DPCA. En segundo lugar, se establece el modelo de MLE con restricciones de escasez. A los píxeles anormales de las muestras se les asignan pesos bajos para reducir sus efectos en el algoritmo de seguimiento. Los resultados del seguimiento de objetos se obtienen utilizando la estimación bayesiana de probabilidad máxima a posteriori (MAP). Por último, para reducir aún más la deriva del seguimiento, empleamos una estrategia de actualización de la plantilla que combina el aprendizaje incremental del subespacio y la matriz de error. Esta estrategia adapta la plantilla al cambio de apariencia del objetivo y reduce también la influencia de la plantilla del objetivo ocluido. Comparado con otros métodos populares, nuestro método reduce la complejidad computacional y es muy robusto frente a cambios anormales. Las evaluaciones cualitativas y cuantitativas en secuencias de imágenes difíciles demuestran que el algoritmo de seguimiento propuesto logra un rendimiento más favorable que varios métodos del estado de la técnica.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento