Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Soft Computing
Erschienen in: Soft Computing 12/2014

01.12.2014 | Methodologies and Application

A probabilistic object tracking model based on condensation algorithm

verfasst von: Muammer Catak

Erschienen in: Soft Computing | Ausgabe 12/2014

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Object tracking, which has many application in our daily life, is an important topic in electronics engineering area. It basically deals with estimation and location of an object in given video frames. In this paper, a novel object tracking algorithm based on particle filtering associate with population balances is proposed. The developed algorithm was used to track objects in synthetic frames and natural video frames. According to results, it has high accuracy level for single and multi-object tracking.
Vorheriger Artikel Actionable high-coherent-utility fuzzy itemset mining
Nächster Artikel An algebraic study of Peterson’s Intermediate Syllogisms

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
Amini A, Kamilov US, Bostan E, Unser M (2013) Bayesian estimation for continuous-time Sparse stochastic processes. Signal Process IEEE Trans 61(4):907–920CrossRefMathSciNet
Boltzmann L (1872) Weitere studien ber das wrmegleichgewicht unter gas-moleculen. Wien Ber 66:275. Translation in english can be found. In: Brush SG (ed), Selected Readings in Physics, Kinetic Theory, vol. 2: Irreversible processes, Pergamon, Newyork (1966)
Breitenstein MD, Reichlin F, Leibe B, Koller-Meier E, Van Gool L (2009) Robust tracking by detection using a detector confidence particle filter. In: IEEE 12th International Conference on Computer Vision, pp 1515–1522
Djuric PM, Kotecha JH, Zhang J, Huang Y, Ghirmai T, Bugallo MF, Miguez J (2003) Particle filtering. IEEE Signal Process Mag 20(5):19–38CrossRef
Fotouhi M, Gholami AR, Kasaei S (2011) Particle filter-based object tracking using adaptive histogram. In: Proceedings of 7th Iranian Machine Vision and Image Processing (MVIP), pp 1–5
Gencaga D, Ertuzun A, Kuruoglu EE (2008) Modeling of non-stationary autoregressive alpha-stable processes by particle filters. Digit Signal Process 18(3):465–478CrossRef
Gordon NJ, Salmond DJ, Smith AFM (1993) Novel approach to non-linear/non-Gaussian Bayesian state estimation. IEE Proc F 140(2):107–113
Jacquot A, Sturm P, Ruch O (2005) Adaptive tracking of non-rigid objects based on color histograms and automatic parameter selection, Workshop on Motion and Video Computing (WACV/MOTIONS), vol 2, pp 103–109
Kolmogorov AN (1941) Stationary sequences in Hilbert spaces. Bull Math Univ Moscow 2(6):40
Li Y, Haizhou A, Yamashita T, Lao S, Kawade M (2008) Tracking in low frame rate video: a cascade particle filter with discriminative observers of different life spans. IEEE Trans Pattern Anal Mach Intell 30(10):1728–1740CrossRef
Nummiaro K, Koller-Meier E, Van Gool L (2003) An adaptive color-based particle filter. Image Vis Comput 21(1):99–110
Rosenbluth MN, Rosenbluth AW (1956) Monte Carlo calculation of the average extension of molecular chains. J Chem Phys 23(2):356–359
van Leeuwen PJ (2010) Nonlinear data assimilation in geosciences: an extremely efficient particle filter. QJR Meteorol Soc 136:1991–1999CrossRef
Wang TH, Chang JY, Chen LG (2009) Algorithm and architecture for object tracking using particle filter. In: International Conference on Multimedia and Expo (ICME), pp 1374–1377
Wiener N (1949) Extrapolation, interpolation and smoothing of time series with engineering applications. Wiley, New York
Zivkovic Z, Cemgil AT, Krose B (2009) Approximate Bayesian methods for kernel-based object tracking. Comput Vis Image Underst 113(6):743–749CrossRef
Zivkovic Z, Krose B (2004) An EM-like algorithm for color histogram-based object tracking. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
Metadaten
Titel
A probabilistic object tracking model based on condensation algorithm
verfasst von
Muammer Catak
Publikationsdatum
01.12.2014
Verlag
Springer Berlin Heidelberg
Erschienen in
Soft Computing / Ausgabe 12/2014
Print ISSN: 1432-7643
Elektronische ISSN: 1433-7479
DOI
https://doi.org/10.1007/s00500-013-1215-3

Weitere Artikel der Ausgabe 12/2014

Soft Computing 12/2014 Zur Ausgabe

Methodologies and Application

MOEA/D with uniform decomposition measurement for many-objective problems

Methodologies and Application

Response model based on weighted bagging GMDH

Methodologies and Application

Approximation of fuzzy-valued functions by regular fuzzy neural networks and the accuracy analysis

Methodologies and Application

Laplace transform formula on fuzzy nth-order derivative and its application in fuzzy ordinary differential equations

Methodologies and Application

Using augmenting modular neural networks to evolve neuro-controllers for a team of underwater vehicles

Methodologies and Application

Human-centric analysis and interpretation of time series: a perspective of granular computing