目标检测文献阅读笔记(一)

如果觉得这篇文章对您有所启发,欢迎关注我的公众号,我会尽可能积极和大家交流,谢谢。 

目标检测文献阅读笔记(一)_第1张图片



  最近研究了一段时间的目标检测问题,将阅读的一些文献资料总结如下:

  1、使用增强2DPCA和ML算法估计的目标追踪(Object tracking using incremental 2DPCA learning and ML estimation)(英文,期刊,2008,EI检索)

  这篇文章的最大作用就是帮我们找到了增强型2DPCA(双向2DPC)的原始文献。

  2、2DPCA:人脸识别的新方法(Two-Dimensional PCA:A new approach to appearence based face representation and recognition)(英文,期刊,2004,EI检索)  

  这是2DPCA的原始文献,对2DPCA如何根据图像提取PCA分量的原理讲解得很清楚,推导过程中对某些矩阵运算没有弄太懂。唯一不足的是文章并没有给出2DPCA的具体算法步骤,需要进一步在网上搜索代码。这篇文章透漏出一个最基本的想法:所谓2DPCA,就是直接对训练样本集的均值协方差矩阵进行一次主成分分析。

  3、基于仿射变换与模板更新策略的目标跟踪方法(中文,期刊,2001,知网)

  文献非常古老,看这篇文献的目的即是了解仿射变换在目标跟踪中的应用和作用。文中对仿射变换的作用给出了一个解释:能够是的目标矩形框随着目标的变化而进行放大、缩小、旋转。

  4、基于稀疏表示的目标跟踪算法(中文,学位论文,2013年,知网)

  读了这篇硕士论文之后基本上了解了如何应用稀疏表示技术进行目标跟踪。这里稀疏表示主要应用于两个方面:判决模型和筛选粒子时求解粒子的权重。通过稀疏求解给候选粒子打上标签,分配权重,既增加了粒子数量,又使得运算不过于复杂。

  5、基于深度特征表达与学习的视觉跟踪算法研究(中文,期刊,2015,知网)

  PCANet在目标跟踪的应用,很原始,改进空间也很大。

  6、VIBE:一种有效的视频流背景建模方法(VIBE:A powerful random technique to estimate the background video sequences)(英文,会议论文,2009年,EI检索)

  介绍了VIBE这个基本的、巧妙的背景建模方法。

  7、基于粒子滤波和稀疏表示的视频目标跟踪(中文,期刊,2015,知网)

  粒子滤波+琐碎模板+稀疏表示+L1范数最小化,其中对仿射变换和粒子滤波之间的联系介绍得比较清楚。

  8、融合背景信息的分块稀疏表示跟踪算法(中文,期刊,2013,知网)

  论文与现有的跟踪算法原理很接近

  9、基于2DPCA的人脸识别研究(中文,学位论文,2014,知网)

  主要从这篇论文中学习一些2DPCA的原理知识,不过文中并没有详细说明如何实现2DPCA方法。

  10、基于2DPCA和L1范数的目标追踪(Object tracking via 2DPCA and l1-regularization)(英文,期刊,2012,IEEE检索)

  2DPCA提取特征,L1范数稀疏定位置,效果非常好。

  

你可能感兴趣的:(文献阅读笔记,文献阅读笔记)