L1 跟踪器(l1-minimization tracker)
2014-01-09 17:00
246 查看
Robust visual tracking using L1 minimization
L1跟踪器是由Mei Xue和Lin Haibing老师于ICCV'2009年提出来的。
L1跟踪器利用到的主要结果是由马毅等人2009年在 PAMI上发的文章Robust face recognition via sparse representation中提出来的。跟踪过程由粒子滤波Particle filter所引导的。初始帧中目标位置认为设定。在当前帧中,在前一帧跟踪结果附近,按照粒子滤波采样获得当前帧中候选目标。假设每一个候选目标均可由字典即目标模板和碎片模板的组合稀疏表示。
在通常情形下,候选目标在字典中的系数是稀疏的。因此,在所有的候选目标中,选择系数最稀疏同时重构误差最小的目标作为跟踪结构。
在目标运动过程中,由于内在(旋转、尺度变换)和外在因素(遮挡及光照变化)的影响,造成目标外观上会发生变化。为了适应这种变化,需要跟踪器及时捕捉目标的外观变化。L1跟踪器通过利用当前的跟踪结果及时替换字典中过时的原子。
只是个人的一点意见,这篇文章掀起了稀疏编码在视觉跟踪研究的一个小高潮,而且仍在继续。很多人在对这种思路做创新和改进。
L1跟踪器是由Mei Xue和Lin Haibing老师于ICCV'2009年提出来的。
L1跟踪器利用到的主要结果是由马毅等人2009年在 PAMI上发的文章Robust face recognition via sparse representation中提出来的。跟踪过程由粒子滤波Particle filter所引导的。初始帧中目标位置认为设定。在当前帧中,在前一帧跟踪结果附近,按照粒子滤波采样获得当前帧中候选目标。假设每一个候选目标均可由字典即目标模板和碎片模板的组合稀疏表示。
在通常情形下,候选目标在字典中的系数是稀疏的。因此,在所有的候选目标中,选择系数最稀疏同时重构误差最小的目标作为跟踪结构。
在目标运动过程中,由于内在(旋转、尺度变换)和外在因素(遮挡及光照变化)的影响,造成目标外观上会发生变化。为了适应这种变化,需要跟踪器及时捕捉目标的外观变化。L1跟踪器通过利用当前的跟踪结果及时替换字典中过时的原子。
只是个人的一点意见,这篇文章掀起了稀疏编码在视觉跟踪研究的一个小高潮,而且仍在继续。很多人在对这种思路做创新和改进。
相关文章推荐
- L1-006. 连续因子(枚举因子)
- 浅谈L0,L1,L2范数及其应用
- ACM天梯赛练习L1-007. 念数字
- L1 - bundle id、Xcode hello world Demo
- PAT L1-009. N个数求和
- 团体程序设计天梯赛-练习集L1-011. A-B
- 正则化方法:L1和L2 regularization、数据集扩增、dropout
- PAT 天梯赛练习题 L1-020 帅到没朋友
- 团体程序设计天梯赛-练习集L1-006. 连续因子
- 团体程序设计天梯赛-练习集L1-022. 奇偶分家
- Java - PAT - L1-025. 正整数A+B (天梯赛决赛题目)
- L1-026. I Love GPLT-PAT团体程序设计天梯赛GPLT
- 机器学习中的范数规则化之(一)L0、L1与L2范数
- [L1]Launcher3上App名字显示不全问题
- 天梯赛练习集L1-014(Java)
- L1-007. 念数字-PAT团体程序设计天梯赛GPLT
- 解L1范数优化的快速算法:分拆方法
- 正则化方法:L1和L2 regularization、数据集扩增、dropout
- 机器学习中的范数规则化之(一)L0、L1与L2范数
- api-ms-win-crt-filesystem-l1-1-0.dll 缺失