×

限制多重高斯不确定性并应用于目标跟踪。 (英语) Zbl 1398.68603号

小结:本文证明了多重高斯函数的不确定性界,称为多重高斯不确定性(MGU),它极大地推广了单一高斯函数的测不准原理。首先,作为理论贡献,我们证明了多重高斯波函数之和的动量(速度)和位置在理论上是有界的。其次,在实际应用中,我们证明了该界可以很好地用于在线学习框架中的目标跟踪,以检测局部运动的异常。通过将MGU与给定的目标跟踪器集成,我们证明不确定性原理可以在跟踪中提供显著的鲁棒性。大量实验表明,所提出的MGU能够显著帮助基础跟踪器克服目标漂移,并达到最先进的结果。

MSC公司:

第68页第45页 机器视觉和场景理解
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Adam,A.、Rivlin,E.和Shimshoni,I.(2006年)。使用积分直方图进行基于碎片的鲁棒跟踪。CVPR公司.
[2] Ali,S.和Shah,M.(2008)。用于跟踪高密度人群场景的地面场。ECCV会议记录.
[3] Avidan,S,支持向量跟踪,IEEE PAMI交易,261064-1072,(2004)·doi:10.1109/TPAMI.2004.53
[4] Babenko,B.、Yang,M.和Belongie,S.(2011年)。具有在线多实例学习的鲁棒对象跟踪。IEEE传输。PAMI公司, \(6\).
[5] Betke,M.、Hirsh,D.、Bagchi,A.、Hristov,N.、Makris,N.和Kunz,T.(2007年)。跟踪乱七八糟的大量可变对象。IEEE CVPR论文集(第1-8页)。
[6] 博恩和乔丹。(1926). 在海森堡的量子力学与Analen der Physik(4)的关系中,79.
[7] Brostow,G.和Cipolla,R.(2006年)。群体中独立运动的无监督贝叶斯检测。IEEE CVPR会议记录(第1卷,第594-601页)。
[8] Canny,J.(2009)。边缘检测的计算方法。IEEE模式分析和机器智能汇刊.
[9] Cehovin,L;克里斯坦,M;Leonardis,A,使用自适应耦合层视觉模型的鲁棒视觉跟踪,IEEE模式分析和机器智能学报,35,941-953,(2013)·doi:10.1109/TPAMI.2012.145
[10] 楚,C-T;黄,J-N;派,H-I;Lan,K-M,基于投影梯度的自适应多核函数跟踪遮挡下的人类,IEEE多媒体汇刊,151602-1615,(2013)·doi:10.1109/TMM.2013.2266634
[11] 德布罗意(1929)。电子的波动性质。综述文章, 12.
[12] Doulamis,AD,用于对象跟踪重新初始化的自适应神经网络,ICANN,2715-724,(2009)
[13] Duffner,S.和Garcia,C.(2013)。PixelTrack:用于跟踪非刚性对象的快速自适应算法。ICCV会议记录.
[14] Felzenszwalb,PF;吉希克,RB;陆军部麦卡利斯特;Ramanan,D,《使用区分训练的基于部分的模型进行对象检测》,IEEE Transactions on PAMI,32,1627-1645,(2010)·doi:10.1109/TPAMI.2009.167
[15] Gabor,D,通信理论,电气工程师学会杂志,93,429c457,(1946)
[16] Gilbert,A.和Bowden,R.(2007)。在拥挤的场景中进行多人跟踪。IEEE人体运动研讨会(第166-179页)。
[17] 戈代克,M;Roth,项目经理;Bischof,H,基于Hough的非刚性物体跟踪,计算机视觉和图像理解,1171245-1256,(2013)·doi:10.1016/j.viu.2012.11.005
[18] Grabner,H.、Grabner、M.和Bischof,H.(2008)。用于鲁棒跟踪的半监督在线增压。ECCV会议记录(第234-247页)。
[19] 格拉布纳,H;格拉布纳,M;Bischof,H,通过在线增强进行实时跟踪,BMVC学报,1,47-56,(2006)
[20] 古斯塔夫森,F;冈尼森,F;尼古拉斯,B,《位置、导航和跟踪的粒子滤波器》,IEEE信号处理汇刊,50,425-437,(2002)·数字对象标识代码:10.1109/78.978396
[21] Han,Z.,Jiao,J.,Zhang,B.,Ye,Q.,&Liu,J.(2011)。基于样本的自适应稀疏表示的视觉目标跟踪。模式识别杂志.
[22] Hardy,G.H.、Littlewood,J.E.和Pólya。(1967). 不平等。剑桥数学图书馆。
[23] Hare,S.、Saffari,A.和Torr,P.(2011年)。Struck:用内核进行结构化输出跟踪。IEEE ICCV会议记录(第263-270页)。
[24] Hare,S.、Saffari,A.和Torr,P.H.S.(2012年)。基于关键点的目标跟踪的高效在线结构化输出学习。CVPR程序(第1894页)
[25] Hariharakrishnan,K.和Schonfeld,D.(2005年)。使用自适应块匹配的快速目标跟踪。IEEE多媒体期刊, 853-859.
[26] Hodge,V.J.和Austin,J.(2004)。离群值检测方法综述。人工智能综述. ·Zbl 1101.68023号
[27] 胡,W;李,X;张,X;施,X;马来亚银行,S;Zhang,Z,增量张量子空间学习及其在前景分割和跟踪中的应用,国际计算机视觉杂志(IJCV),91,303-327,(2011)·Zbl 1235.68269号 ·doi:10.1007/s11263-010-0399-6
[28] Jacobs,N.、Dixon,M.和Pless,R.(2008)。用于跟踪的特定于位置的过渡分布。IEEE运动与视频计算研讨会.
[29] Jepson,A.、Fleet,D.和El-Maraghi,T.(2003)。用于视觉跟踪的强大在线外观模型。IEEE模式分析和机器智能汇刊, 1296-1311.
[30] Kalal,Z.、Mikolajczyk,K.和Matas,J.(2010年)。前向后退错误:自动检测跟踪失败。模式识别国际会议(第23-26页)。
[31] Kalal,Z.、Mikolajczyk,K.和Matas,J.(2010年)。跟踪-学习-检测。IEEE PAMI事务处理, \(6\).
[32] Knutsson,H.(1994)。计算机视觉信号处理施普林格:纽约。
[33] Kristan等人(2014)。视觉目标跟踪VOT2014挑战结果。ECCV视觉目标跟踪挑战研讨会.
[34] Kwon,J.和Lee,K.M.(2010年)。视觉跟踪分解。IEEE CVPR会议记录(第1269-1276页)。
[35] Kwon,J.和Lee,K.M.(2013年)。鲁棒视觉跟踪的最小不确定性间隙。IEEE CVPR会议记录.
[36] Kwon,J.和Lee,K.Mu.(2014)。间隔跟踪器:通过间隔分析进行跟踪。IEEE CVPR会议记录.
[37] Li,S.(1999)。离散多gabor展开。IEEE信息理论培训,45. ·Zbl 0957.94004号
[38] Nestares,O.和Fleet,D.J.(2001)。利用时空预测对运动边界进行概率跟踪。IEEE CVPR会议记录(第358-365页)。
[39] 彭,C;等。,上下文混合跟踪,IEEE多媒体汇刊,11.2,333-341,(2009)·doi:10.1109/TMM.2008.2009722
[40] Purdy,TP公司;彼得森,RW;Regal,CA,宏观物体上辐射压力散粒噪声的观测,《科学》,339,801-804,(2013)·doi:10.1126/科学.1231282
[41] 曲,W;等。,使用多个交互式跟踪器和磁惯性势模型进行实时分布式多目标跟踪,IEEE多媒体汇刊,9,511-519,(2007)·doi:10.1109/TMM.2006.886266
[42] Ramakrishna,V.、Sheikh,Y.和Kanade,T.(2013)。通过跟踪对称部分来跟踪人体姿势。IEEE CVPR会议记录.
[43] Rodriguez,M.、Ali,S.和Kanade,T.(2009年)。非结构化拥挤场景中的跟踪。IEEE ICCV会议记录.
[44] DA罗斯;林,J;林,R-S;Yang,M-H,鲁棒视觉跟踪的增量学习,国际计算机视觉杂志,77,125-141,(2008)·doi:10.1007/s11263-007-0075-7
[45] Shinde,S.和Gadre,V.M.(2001)。分数傅里叶变换域中实际信号的不确定性原理。IEEE信号处理汇刊,49(11). ·Zbl 1369.94287号
[46] Stauder,J.和Ostermann,J.(1999)。用于对象分割的移动投射阴影检测。IEEE多媒体期刊, 65-76.
[47] Stauffer,C.和Grimson,W.E.L.(1999)。实时跟踪的自适应背景混合模型。IEEE CVPR会议记录, \(2\), 246-252.
[48] Wang,X.、Hua,G.和Han,T.X.(2010)。通过度量学习进行鉴别跟踪。ECCV会议记录(第200-214页)。
[49] Wilson,R.和Granlund,G.(1984年)。图像处理中的不确定度原理。IEEE模式分析和机器智能汇刊, \(6\).
[50] Wilson,右;Goesta,H,Granlund,《图像处理中的不确定性原理》,IEEE Transactions on PAMI,6758-767,(1984)·doi:10.1109/TPAMI.1984.4767599
[51] 吴毅。,Jongwoo L.和Ming-Hsuan Y.(2013年)。在线对象跟踪:基准程序。CVPR的(第2411-2418页)。
[52] Wu,B.和Nevatia,R.(2006年)。基于静态身体部位检测的多个部分闭塞人体跟踪。IEEE CVPR会议记录(第951-958页)。
[53] Yao,R.、Shi,Q.、Shen,C.、Zhang,Y.和Hengel,A.V.(2013)。基于部分的视觉跟踪和在线潜在结构学习。IEEE CVPR会议记录(第25-27页)。
[54] Zhang,B.,&Li,Z.(2016)。亚历山德罗·佩里纳、亚历西奥·德尔布、维托里奥·穆里诺、刘建庄IEEE CSVT汇刊:用于对象跟踪的自适应局部运动建模(ALMM)。
[55] 张,K.,张,L.,杨,M.,张,D.(2014)。通过时空上下文学习快速跟踪。电子对抗车辆.
[56] 张,B;高,Y;赵,S;钟,B,复杂背景下运动检测纹理模式流的核相似建模,IEEE CSVT汇刊,21,29-38,(2011)
[57] 张,K;张,L;Yang,MH,实时压缩跟踪,IEEE模式分析和机器智能汇刊,362002-2015,(2014)·doi:10.1109/TPAMI.2014.2315808
[58] 庄,B;卢,H;肖,Z;Wang,D,通过区分稀疏相似图进行视觉跟踪,IEEE图像处理汇刊,231872-1881,(2014)·Zbl 1374.94480号 ·doi:10.1109/TIP.2014.2308414
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。