×
石、珍；魏，长安；傅平；江寿达

一种基于稀疏表示的红外目标跟踪并行搜索策略。 （英语） Zbl 1461.94060号

算法（巴塞尔） 8，第3期，529-540（2015）.
摘要：在粒子滤波框架中提出了一种基于稀疏表示的并行搜索策略（PS-L1跟踪器）。为了获得状态粒子的权重，使用目标候选字典对目标模板进行线性表示。系数上的稀疏约束保证只能选择真正的候选目标，非负项表示有效目标状态的关联权重。然后通过上述加权状态的线性组合来估计最优目标状态。这样，从所有粒子中同时选择有效的目标状态，我们称之为并行搜索策略。实验结果表明，该方法在具有挑战性的红外图像上具有良好的性能。

MSC公司：

94甲13 信息与通信理论中的探测理论
68页第10页 搜索和排序
68T45型 机器视觉和场景理解
68宽10 计算机科学中的并行算法

关键词：

红外目标跟踪；稀疏表示；并行搜索
PDF格式BibTeX公司 XML格式引用
\textit{Z.Shi}等人，《算法（巴塞尔）》8，第3期，529--540（2015；Zbl 1461.94060）
全文： DOI程序

参考文献：

[1] Sanna，A。；Lamberti，F。；前视红外图像中目标检测与跟踪的研究进展；传感器：2014年；第14卷，20297-20303。
[2] Yilmaz，A。；沙菲克，K。；沙阿（Shah，M.）。；机载前视红外图像中的目标跟踪；图像可视性。计算：2003; 第21卷，623-635。
[3] 梅，X。；Ling，H。；使用ℓ1最小化；2009年IEEE第12届计算机视觉国际会议论文集：，1436-1443.
[4] 李，X。；胡，W。；沈，C。；张，Z。；迪克，A。；A.V.D.亨格尔。；视觉目标跟踪中的外观模型综述；ACM事务处理。智力。系统。Technol公司。（TIST）：2013年；第4卷。
[5] 布莱克，M.J。；公元Jepson。；特征跟踪：使用基于视图的表示对铰接对象进行鲁棒匹配和跟踪；国际期刊计算。视觉：1998; 第26卷，63-84。
[6] Ho，J。；Lee，K.C.公司。；杨，M.H。；克里格曼，D。；基于学习线性子空间的视觉跟踪；2004年IEEE计算机学会计算机视觉和模式识别会议论文集，2004年（CVPR 2004）：；第1卷，1-782。
[7] D.A.罗斯。；Lim，J。；林，R.S。；杨，M.H。；用于鲁棒视觉跟踪的增量学习；国际期刊计算。视觉：2008; 第77卷，125-141。
[8] 胡，W。；李，X。；张，X。；施，X。；马来亚银行。；张，Z。；增量张量子空间学习及其在前景分割和跟踪中的应用；国际期刊计算。视觉：2011; 第91卷，303-327·Zbl 1235.68269号
[9] 陈，D。；杨，J。；通过在线动态空间偏差外观模型进行稳健的物体跟踪；IEEE传输。模式分析。机器。智力：2007; 第29卷，2157-2169。
[10] 阿维丹，S。；信号群跟踪；IEEE传输。模式分析。机器。智力：2007; 第29卷，261-271。
[11] 卡拉尔，Z。；Mikolajczyk，K。；马塔斯，J。；跟踪学习检测；IEEE传输。模式分析。机器。智力：2012; 第34卷，1409-1422。
[12] 卡拉尔，Z。；马塔斯，J。；Mikolajczyk，K。；P-N学习：基于结构约束的二值分类器自举；2010年IEEE计算机视觉与模式识别会议论文集（CVPR）：，49-56.
[13] 刘，B。；Yang，L。；黄，J。；米尔，P。；龚，L。；库利科夫斯基，C。；基于两阶段稀疏优化的鲁棒快速协同跟踪；第十一届欧洲计算机视觉会议记录：，624-637之间。
[14] 贾，X。；Lu，H.等人。；杨，M.H。；基于自适应结构局部稀疏外观模型的视觉跟踪；2012年IEEE计算机视觉和模式识别会议记录：，1822-1829.
[15] 张，T。；加尼姆，B。；刘，S。；阿胡加，N。；基于多任务稀疏学习的鲁棒视觉跟踪；2012年IEEE计算机视觉和模式识别会议记录：，2042-2049.
[16] 张，T。；加尼姆，B。；刘，S。；阿胡加，N。；鲁棒视觉跟踪的低秩稀疏学习；第十二届欧洲计算机视觉会议记录：，470-484. ·Zbl 1398.68605号
[17] Kim，S.J。；Koh，K。；Lustig，M。；博伊德，S。；Gorinevsky，D。；大规模l1-正则最小二乘的内点方法；IEEE J.选择。顶部。信号处理：2007; 第1卷，606-617。
[18] 李，H。；沈，C。；石青（Shi，Q.）。；基于压缩感知的实时视觉跟踪；2011年IEEE计算机视觉和模式识别会议记录：，1305-1312.
[19] 鲍，C。；Wu，Y。；Ling，H。；纪浩。；基于加速近端梯度法的实时鲁棒L1跟踪器；2012年IEEE计算机视觉和模式识别会议记录：，1830-1837.
[20] 刘，B。；黄，J。；Yang，L。；库利科夫斯克，C。；基于局部稀疏外观模型和k-选择的鲁棒跟踪；2011年IEEE计算机视觉和模式识别会议记录：，1313-1320.
[21] Doucet，A。；德弗里塔斯，N。；戈登，N。；序列蒙特卡罗方法简介；J.R.Stat.Soc.:2003年；第52卷，694-695·Zbl 1056.93576号
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。