基于局部稀疏表示的多示例学习跟踪方法研究

摘要：

针对目标纹理变化、光照和位置变化较大时，跟踪不稳定、易丢失目标的问题，提出通过多示例学习的训练数据生成局部稀疏编码，建立对象的外观模型。首先，目标对象的局部图像块由过完备字典结合稀疏编码表示；其次，分类器学习稀疏编码进而识别背景中的目标；最后，将训练分类器得到的结果输入粒子滤波框架，进而预测目标状态随时间的变化。此外，为了减少字典更新和分类器累积误差形成的视觉漂移，采用弱分类器结合强分类器进行目标跟踪。

关键词：局部稀疏表示、多示例学习、分类器

分类号：TP391(计算技术、计算机技术)

资助基金：华东交通大学校立科研基金资助14RJ03

在线出版日期：2015-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：216-218