联合混合范数约束和增量非负矩阵分解的目标跟踪

摘要：

针对当前目标跟踪算法因光照变化、部分遮挡、姿态变化以及背景杂乱等因素引起的跟踪漂移问题,联合混合范数约束和增量非负矩阵分解,提出一种目标跟踪算法.通过对目标的非负矩阵分解获得其局部结构信息,有效应对局部遮挡,同时达到降维目的.通过稀疏描述下的混合范数约束进一步抑制外界环境的干扰,并利用加速近似梯度算法迭代求解优化问题.为更好地满足实时精准跟踪的需求,应用遮挡检测及在线更新策略读取跟踪目标位置.在粒子滤波跟踪框架中的实验结果显示,相比IVT、多示例学习、Frag和L1 APG跟踪算法,该算法的鲁棒性更好.

关键词：增量非负矩阵分解、混合范数、稀疏表示、目标跟踪、粒子滤波

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61272273,61170305;江苏省普通高校研究生科研创新计划基金资助项目CXLX13_465;江苏省高等职业院校国内高级访问学者计划基金资助项目2014FX034

在线出版日期：2016-02-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：260-264