Robust visual tracking via efficient manifold ranking with low-dimensional compressive features

در این مقاله روش ردیابی جدید و قوی بر اساس رتبه بندی کارآمد چندگانه پیشنهاد شده است. برای ردیابی، نتایج ردیابی به عنوان گره های نشانه گرفته شده است، در حالی که نمونه های کاندید به عنوان گره های بدون برچسب گرفته می شوند. هدف ردیابی جستجوی نمونه ی بدون برچسب است که بیشتر مربوط به گره های موجود موجود است. بنابراین، ردیابی بصری به عنوان یک مشکل رتبه بندی در نظر گرفته می شود که در آن ارتباط بین مدل ظاهر شال و نمونه های نامزد توسط الگوریتم رتبه بندی چندگانه پیش بینی شده است. با توجه به توانایی برجسته الگوریتم رتبه بندی چند منظوره در کشف ساختار هندسی زیرین یک پایگاه داده تصویری، ردیاب ما برای رفع رانندگی ردیابی قوی تر است. در همین حال، ما پیش بینی های غیر تصادفی تصادفی را برای حفظ ساختار فضای تصویر اولیه اتخاذ می کنیم و ماتریس اندازه گیری بسیار ضعیف برای کارآمد بودن ویژگی های فشرده سازی کم ابعاد برای نمایش شی مورد استفاده قرار می گیرد. علاوه بر این، زمینه فضایی برای بهبود استحکام تغییرات ظاهری استفاده می شود. نتایج تجربی در برخی از توالی های ویدئویی چالش انگیز نشان می دهد که الگوریتم پیشنهادی از لحاظ دقت و استحکام، از هفت حالت پیشرفته برخوردار است.