张东东
- 作品数：6 被引量：11H指数：2
- 供职机构：合肥工业大学更多>>
- 发文基金：国家自然科学基金安徽省科技攻关计划更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于分层极限学习机和局部稀疏模型的视觉跟踪算法被引量：6
- 2017年
- 目标跟踪过程中常遇到形变和部分遮挡问题.为了解决该问题,文中提出结合分层极限学习机和自适应结构化局部稀疏外貌模型的视觉跟踪算法.分层极限学习机具有提取鲁棒特征并快速分类的能力.自适应结构化局部稀疏外貌模型可以使跟踪结果更准确,也可以解决部分遮挡问题.在不同视频序列上的性能测试表明文中算法在保持较高跟踪精度的同时,跟踪过程也较稳定.
- 孙锐张东东高隽
- 关键词：视频跟踪形变部分遮挡
- 基于极限学习机的目标跟踪算法的研究
- 视觉目标跟踪是计算机视觉领域的研究热点,同时也是研究难点。如今,视觉目标跟踪在智能监控、无人驾驶、军事、内容检索、人机交互等相关领域都有着重要的应用价值。本文针对目标跟踪中存在的问题,深入研究极限学习机的机理,并将其引入...
- 张东东
- 关键词：极限学习机目标跟踪多核学习
- 文献传递
- 基于极限学习机和boosting多核学习的目标跟踪方法
- 本发明公开了一种基于极限学习机和boosting多核学习的目标跟踪方法，其特征包括：1多次boosting迭代得到优秀的分类器，将每次boosting迭代中通过多核学习得到的弱分类器组合成强分类器，再用强分类器对特征进行...
- 孙锐张东东王旭高隽
- 文献传递
- 基于极限学习机和boosting多核学习的目标跟踪算法
- 本发明公开了一种基于极限学习机和boosting多核学习的目标跟踪算法，其特征包括：1多次boosting迭代得到优秀的分类器，将每次boosting迭代中通过多核学习得到的弱分类器组合成强分类器，再用强分类器对特征进行...
- 孙锐张东东王旭高隽
- 文献传递
- 采用局部线性嵌入的稀疏目标跟踪方法被引量：4
- 2017年
- 目标跟踪是从复杂的背景中辨认出运动目标,并且对目标进行准确且连续的追踪。如何在遮挡、形变、背景复杂的条件下鲁棒性跟踪目标仍是亟待解决的问题。针对遮挡和形变问题,提出一种局部线性嵌入(LLE)和稀疏表示的算法来有效的学习外观模板。其中LLE是流形学习的一种典型算法。在该算法中每个点的近邻权值在平移、旋转、伸缩变化下是保持不变的,因此可以用来提取目标的本质特征,发现数据的内在规律。算法首先采用局部线性嵌入提取低维特征,提取后的特征作为基向量与琐碎模板组成稀疏原型,稀疏原型用于模板的更新。算法保持了原有稀疏跟踪方法对遮挡处理的优势,同时对目标形变有较好的稳健性。实验结果表明,跟踪算法比其他7个常用的算法在9个视频序列中有较好的鲁棒性能。
- 孙锐王旭张东东高隽
- 关键词：目标跟踪局部线性嵌入流形学习
- 基于极限学习机和boosting多核学习的目标跟踪算法被引量：1
- 2017年
- 如何构造鲁棒的分类器一直是基于判别式的目标跟踪算法研究的热点,近些年多核学习通过线性组合多个核分类器达到了更好的分类性能,受到了广泛的关注。传统的多核学习需要解复杂的最优化问题,很难直接应用到目标跟踪中,因此提出一种基于boosting学习框架的多核学习算法,使目标跟踪在复杂场景下可以保持跟踪的实时性和准确性。为了进一步减少计算量和提升分类性能,采用极限学习机(extreme learning machine,ELM)作为基分类器,ELM结构简单,训练速度非常快,并且比支持向量机有更好的泛化能力。最后,将本文算法与其他先进的跟踪算法在多个公开视频序列中进行比较,验证了本文算法性能的有效性。
- 张东东孙锐高隽
- 关键词：目标跟踪极限学习机多核学习
