TY -的A2 Pereverzyev Sergei诉AU -金,Hyuncheol盟——沉重的一击,Joonki PY - 2014 DA - 2014/11/23 TI -低秩表示对象跟踪使用多任务功能学习联合稀疏SP - 147353六世- 2014 AB -我们解决对象跟踪问题作为一个多任务功能基于低秩表示学习过程与联合稀疏的特性。我们首先选择特性和低秩表示在初始帧获取子空间的基础。接下来,低秩和稀疏的产权代表的特性是学会了使用修改后的联合sparsity-based学习框架的多任务功能。特性和稀疏的错误然后最佳更新使用新的增量交替方向方法。学习多任务特性的低秩最小化问题可以通过几个序列有效的封闭形式的更新过程。自该方法试图执行功能在多任务学习问题和煤的方式,它不仅可以降低维度,也没有漂移改善跟踪性能。实验结果表明,该方法优于现有的先进的跟踪方法跟踪对象在具有挑战性的图像序列。SN - 1085 - 3375你2014/147353 / 10.1155——https://doi.org/10.1155/2014/147353——摩根富林明-抽象和应用分析PB - Hindawi出版公司KW - ER