Resumen

Es un desafío abordar los tipos de variaciones de apariencia en el seguimiento visual. Los algoritmos de seguimiento existentes construyen modelos de apariencia sobre plantillas de objetivo. Estos modelos no son robustos ante variaciones significativas de apariencia debido a factores como variaciones de iluminación, oclusiones parciales y variaciones de escala. En este documento, proponemos un algoritmo de seguimiento robusto con un diccionario aprendido para representar candidatos de objetivo. Con el diccionario aprendido, un candidato de objetivo se representa con una combinación lineal de átomos del diccionario. Se explota la información discriminativa en las muestras de aprendizaje. Al mismo tiempo, el procesamiento de aprendizaje de los diccionarios puede aprender variaciones de apariencia. Basándonos en el diccionario aprendido, podemos obtener una representación más estable para los candidatos de objetivo. Además, la verosimilitud de la observación se evalúa en función del error de reconstrucción y los coeficientes del diccionario con una restricción. Experimentos exhaustivos

• Materias:Comprensión de imágenes Inteligencia artificial Detección de manipulaciones Visión artificial Imágenes espaciales
• Subjects:Image understanding Artificial intelligence Manipulation detection Artificial vision Spatial imaging
• Palabras claves:Variaciones de apariencia; Algoritmo de seguimiento; Diccionario aprendido; Candidatos objetivo; Representación robusta; Información discriminativa
• Keywords:Appearance variations; Tracking algorithm; Learnt dictionary; Target candidates; Robust representation; Discriminative information