ردگیری تصویری بر پایه رمزنگاری پراکنده: مرور و مقایسه تجربی

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

ردگیری تصویری بر پایه رمزنگاری پراکنده: مرور و مقایسه تجربی

عنوان لاتین

Sparse coding based visual tracking: Review and experimental comparison

اخیرا رمزنگاری پراکنده با موفقیت در ردگیری تصویری استفاده شده است. هدف این مقاله مرور روش‌های ردگیری به روز بر اساس رمزنگاری پراکنده است. ما ابتدا فواید استفاده از رمزنگاری پراکنده در ردگیری تصویری را تحلیل می‌کنیم و سپس این روش‌ها را به دو دسته تقسیم می‌کنیم، مدل‌سازی ظاهر بر اساس رمزنگاری پراکنده (AMSC) و جستجوی هدف بر اساس نمایش پراکنده (TSSR)، و ترکیب این دو. برای هر دسته، ما چهارچوب پایه و بهبودهای بعدی آنها را با تاکید بر مزیت‌ها و ضعف‌هایشان معرفی می‌کنیم. در انتها، آزمایش‌های متعددی برای مقایسه روش‌های گفته شده بر روی 20 فرآیند تست انجام می‌دهیم. نتایج تجربی نشان می‌دهند که: (1) روش‌های AMSC بسیار کارکرد بهتری از TSSR دارند. (2) برای روش‌های AMSC، فرهنگ لغت متمایز شده و عملگرهای ادغام رزرو شده دستوری مکانی هردو برای رسیدن به دقت بالای ردگیری مهم هستند. (3) برای روش‌های TSSR، پایه هویت پیکسلی که بسیار استفاده دارد، زمانی که تصاویر کاندید یا تصاویر هدف به خوبی تراز نشده‌اند یا مشکل شدید جمع‌شدگی دارند، عملکرد را پایین می‌آورد. (4) برای روش‌های TSSR، حداقل‌سازی نُرم L1 نیاز نیست. در مقابل حداقل سازی نُرم L2 می‌تواند عملکرد قابل مقایسه‌ای داشته باشد ولی هزینه محاسباتش کمتر است. سوالات باز و مباحث تحقیق آینده هم مورد بحث قرار می‌گیرند

Recently, sparse coding has been successfully applied in visual tracking. The goal of this paper is to review the state-of-the-art tracking methods based on sparse coding. We first analyze the benefits of using sparse coding in visual tracking and then categorize these methods into appearance modeling based on sparse coding (AMSC) and target searching based on sparse representation (TSSR) as well as their combination. For each categorization, we introduce the basic framework and subsequent improvements with emphasis on their advantages and disadvantages. Finally, we conduct extensive experiments to compare the representative methods on a total of 20 test sequences. The experimental results indicate that: (1) AMSC methods significantly outperform TSSR methods. (2) For AMSC methods, both discriminative dictionary and spatial order reserved pooling operators are important for achieving high tracking accuracy. (3) For TSSR methods, the widely used identity pixel basis will degrade the performance when the target or candidate images are not aligned well or severe occlusion occurs. (4) For TSSR methods, ‘ 1 norm minimization is not necessary. In contrast, ‘ norm minimization can obtain comparable performance but with lower computational cost. The open questions and future research topics are also discussed.