基于稀疏加权模型的局部判别跟踪

摘要：

为提高视觉跟踪中目标模型的鲁棒性,提出一种基于稀疏加权的局部判别跟踪方法,在贝叶斯推论框架下进行目标跟踪.利用多个局部判别稀疏模型表示目标,根据每个局部模型在表达目标表观时的重要程度分配权重,将目标建模为多个局部模型的加权组合以减弱表观变化对模型的影响.在跟踪中选择与目标模型最相似的候选区域作为跟踪结果,通过遮挡检测减轻遮挡对跟踪的影响,并对目标模型进行在线更新以避免漂移.实验结果表明,该方法能在目标表观发生变化的情况下保证跟踪鲁棒性.

关键词：视觉跟踪、目标建模、表观变化、模型更新、稀疏表示、贝叶斯推论

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

在线出版日期：2016-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：226-234