Dictionary Learning for a Sparse Appearance ...
Type de document :
Autre communication scientifique (congrès sans actes - poster - séminaire...): Communication dans un congrès avec actes
Titre :
Dictionary Learning for a Sparse Appearance Model in Visual Tracking
Auteur(s) :
Rousseau, Sylvain [Auteur]
Centrale Lille
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Chainais, Pierre [Auteur]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Centrale Lille
Garnier, Christelle [Auteur]
Institut TELECOM/TELECOM Lille1
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Centrale Lille
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Chainais, Pierre [Auteur]

Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Centrale Lille
Garnier, Christelle [Auteur]
Institut TELECOM/TELECOM Lille1
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Titre de la manifestation scientifique :
ICIP
Ville :
Québec City
Pays :
Canada
Date de début de la manifestation scientifique :
2015-09-27
Mot(s)-clé(s) en anglais :
dictionary learning
sparse coding
particle filtering
object tracking
sparse coding
particle filtering
object tracking
Discipline(s) HAL :
Sciences de l'ingénieur [physics]/Traitement du signal et de l'image [eess.SP]
Résumé en anglais : [en]
This paper presents a novel approach to visual object tracking based on particle filtering. The tracked object is modelled by a sparse representation provided by dictionary learning. Such an approach permits to describe ...
Lire la suite >This paper presents a novel approach to visual object tracking based on particle filtering. The tracked object is modelled by a sparse representation provided by dictionary learning. Such an approach permits to describe the target by a model of reduced dimension. The likelihood of a candidate region is built on a similarity measure between the sparse representations of a set of patches (at known positions) in the dictionary learnt from the reference template. Experimental validation is performed on various video sequences and shows the robustness of the proposed approach.Lire moins >
Lire la suite >This paper presents a novel approach to visual object tracking based on particle filtering. The tracked object is modelled by a sparse representation provided by dictionary learning. Such an approach permits to describe the target by a model of reduced dimension. The likelihood of a candidate region is built on a similarity measure between the sparse representations of a set of patches (at known positions) in the dictionary learnt from the reference template. Experimental validation is performed on various video sequences and shows the robustness of the proposed approach.Lire moins >
Langue :
Anglais
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
Source :
Fichiers
- https://hal.archives-ouvertes.fr/hal-01211263/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-01211263/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-01211263/document
- Accès libre
- Accéder au document
- document
- Accès libre
- Accéder au document
- master.pdf
- Accès libre
- Accéder au document