Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Tracking using Multilevel Quantizations

Hong, Z., Wang, C., Mei, X., Prokhorov, D., & Tao, D. (2014). Tracking using Multilevel Quantizations. In D. Fleet, T. Pajdla, B. Schiele, & T. Tuytelaars (Eds.), Computer Vision - ECCV 2014. Proceedings, Part VI (pp. 155-171). Cham et al.: Springer International Publishing.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0024-C6F8-2 Versions-Permalink: https://hdl.handle.net/11858/00-001M-0000-0024-C711-F
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Hong, Zhibin1, Autor
Wang, Chaohui2, Autor           
Mei, Xue, Autor
Prokhorov, Danil, Autor
Tao, Dacheng, Autor
Affiliations:
1External Organizations, ou_persistent22              
2Dept. Perceiving Systems, Max Planck Institute for Intelligent Systems, Max Planck Society, ou_1497642              

Inhalt

einblenden:
ausblenden:
Schlagwörter: Abt. Black
 Zusammenfassung: Most object tracking methods only exploit a single quantization of an image space: pixels, superpixels, or bounding boxes, each of which has advantages and disadvantages. It is highly unlikely that a common optimal quantization level, suitable for tracking all objects in all environments, exists. We therefore propose a hierarchical appearance representation model for tracking, based on a graphical model that exploits shared information across multiple quantization levels. The tracker aims to find the most possible position of the target by jointly classifying the pixels and superpixels and obtaining the best configuration across all levels. The motion of the bounding box is taken into consideration, while Online Random Forests are used to provide pixel- and superpixel-level quantizations and progressively updated on-the-fly. By appropriately considering the multilevel quantizations, our tracker exhibits not only excellent performance in non-rigid object deformation handling, but also its robustness to occlusions. A quantitative evaluation is conducted on two benchmark datasets: a non-rigid object tracking dataset (11 sequences) and the CVPR2013 tracking benchmark (50 sequences). Experimental results show that our tracker overcomes various tracking challenges and is superior to a number of other popular tracking methods.

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2014-09
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1007/978-3-319-10599-4_11
BibTex Citekey: HongWMPT:ECCV2014
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: ECCV 2014 - 13th European Conference on Computer Vision
Veranstaltungsort: Zürich
Start-/Enddatum: 2014-09-06 - 2014-09-12

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Computer Vision - ECCV 2014. Proceedings, Part VI
Genre der Quelle: Konferenzband
 Urheber:
Fleet, D., Herausgeber
Pajdla, T., Herausgeber
Schiele, B., Herausgeber
Tuytelaars, T., Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Cham et al. : Springer International Publishing
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 155 - 171 Identifikator: ISBN: 978-3-319-10598-7
ISBN: 978-3-319-10599-4

Quelle 2

einblenden:
ausblenden:
Titel: Lecture Notes in Computer Science
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 8694 Artikelnummer: - Start- / Endseite: - Identifikator: -