本文是对Kaihua Zhang等人在PAMI发表的"Fast Compressive Tracking"一文的总结。FCT算法采用了由粗到精的搜索策略和尺度变换，提升了目标跟踪速度。其主要特点是使用压缩感知(CT)特征，通过随机测量矩阵将高维特征转换为低维表示，实现尺度不变性。分类器选择朴素贝叶斯，同时采用在线更新策略适应目标外观变化。文章还介绍了两种提升性能的策略：粗到精的搜索策略和多尺度处理。
文章：Fast comprissive tracking
作者：Kaihua Zhang, Lei Zhang, and Ming-Hsuan Yang
来源：PAMI
这篇文章已经读过好多遍了，每次读都有不同的收获，近期老师要求讲文章，又将这篇文章读了一遍，稍微做一下总结。
该文章早前就有一片会议文章，这篇文章较会议文章的区别有两点：
（1） 由粗到精的搜索策略，大大提高了算法的运行速度。
（2） 引入了尺度变换
FCT最主要的特点就是简单，它是一种基于分类的跟踪算法。和大多数分类模型一样，选择特征训练分类器，然后再上一帧目标周围采样，得到候选图像片，然后用分类器对所有候选图像片进行分类，得到分类器响应最大
最低0.47元/天 解锁文章
扫一扫
2387
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
