一种鲁棒的Multi-Egocentric视频中的多目标检测及匹配算法
针对视频中的背景变化剧烈、目标尺度差异明显和视角时变性强的特点,提出一种鲁棒的针对multi?egocen?tric视频的多目标检测及匹配算法。首先,构建基于boosting方法的多目标检测模型对各视频序列中的显著目标进行粗检测,并提出一种基于局部相似度的区域优化算法对粗检测显著目标的轮廓进行优化,提高Egocentric视频中显著目标轮廓检测和定位的准确性。在显著目标检测基础上,对不同视角中的显著目标构建基于HOG特征的SVM分类器,实现多视角的多目标匹配。在Party Scene数据集上的实验验证了本文算法的有效性。
Multi-Egocentric视频、多目标检测、多目标匹配
11
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61472029,61473031.
2016-12-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
619-626