کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6951903 1451708 2018 32 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Visual tracking using global sparse coding and local convolutional features
ترجمه فارسی عنوان
ردیابی ویژوال با استفاده از برنامه نویسی ضعیف جهانی و ویژگی های کانولوشن محلی
کلمات کلیدی
ردیابی ویژوال نمایندگی انحصاری، ویژگی کانوولیت محلی، مدل همکاری،
ترجمه چکیده
ردیابی ویژوال یک کار چالش برانگیز در بسیاری از برنامه های کاربردی کامپیوتری کامپیوتری است که به علت عوامل مانند انسداد، تغییرات مقیاس، اختلال پس زمینه و غیره می باشد. در این مقاله، الگوریتم ردیابی قوی را با ارائه هدف در دو سطح: سطح جهانی و محلی ارائه می کنیم. بر این اساس، الگوریتم ردیابی متشکل از دو بخش است: قطعات جهانی و محلی. بخش جهانی یک مدل تبعیض کننده است که شیء پیش زمینه را از پس زمینه بر اساس ویژگی های جامع جدا می کند. در بخش محلی، نمایندگی محلی هدف را به وسیله مجموعه ای از فیلترهایی که منطقه مورد نظر را در هر موقعیت قرار می دهند بررسی می کنیم. سپس بخش جهانی و محلی به یک مدل مشترک برای ساختن ردیاب نهایی یکپارچه می شود. آزمایشات بر روی مجموعه داده های معیار ردیابی با 50 فیلم چالش انگیز، نشان دهنده استحکام و کارایی الگوریتم پیشنهادی است که از چندین مدل پیشرفته تر استفاده می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
چکیده انگلیسی
Visual tracking is a challenging task in many computer vision applications due to factors such as occlusion, scale variations, background clutter, and so on. In this paper, we present a robust tracking algorithm by representing the target at two levels: global and local levels. Accordingly, the tracking algorithm is composed of two parts: global and local parts. The global part is a discriminative model which separates the foreground object from the background based on holistic features. In the local part, we explore the target's local representation by a set of filters convolving the target region at each position. Then, the global part and local part are integrated into a collaborative model to construct the final tracker. Experiments on the tracking benchmark dataset with 50 challenging videos demonstrate the robustness and effectiveness of the proposed algorithm, outperforming several state-of-the-art models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Digital Signal Processing - Volume 72, January 2018, Pages 115-125
نویسندگان
, , , , ,