欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
在复杂背景下持续跟踪不断变化的目标，对跟踪算法的鲁棒性提出了严峻挑战。本项目拟将视觉跟踪看作在线判别学习问题来处理，在复杂背景中利用分类器区分变化的目标，在线更新分类器减少误差积累，实现对感兴趣目标的鲁棒跟踪。针对在线判别学习跟踪系统中的目标表示、在线学习和样本选择三个关键问题展开研究，通过融入目标结构信息的局部不变特征，构造目标表示的有效特征集，提取其本质信息；在线学习不仅利用标记样本来最大化目标和背景之间的分类间隔，而且还利用未标记样本来逼近目标和背景的内部结构，能够在复杂背景中区分出不断变化的目标；同时利用目标的时空连续性和候选样本的置信度，约束样本的选择，避免错误样本所引起的跟踪失败；最终实现对感兴趣目标的鲁棒跟踪。本项目的开展和预期成果将为视觉跟踪算法提供新思路和新方法，是一项既有理论意义又有广阔应用前景的应用基础研究课题。
结论摘要：
英文主题词object tracking；correlation filter；sparse coding；dense SIFT；local patch
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
会议论文
著作
相关项目
查宇飞的项目
