在线增量正交投影非负矩阵分解的目标跟踪算法

摘要：

为了避免传统的跟踪算法对视频中遮挡、尺度变化、光照变化等现象的跟踪性能下降，提出一种基于 L1范数约束和在线增量正交投影非负矩阵分解的目标跟踪算法．首先将 L1范数引入IOPNMF 子空间重构，使得学习到的新的基于部分的目标表示能够容忍不同的噪声干扰；同时，对正交投影系数进行 L1范数约束，并采用循环操作求解 IOPNMF 子空间向量，保证算法能够处理动态的视频流以获得鲁棒的目标跟踪；最后，将跟踪目标表示为 IOPNMF 基向量的线性组合，并在观测模型中引入部分遮挡因素，有选择地对 IOPNMF 子空间进行更新．采用 MATLAB 实现本算法，并在8种具有遮挡、光照变化、尺度变化、运动模糊、背景杂乱等影响跟踪性能因素的视频上与其他6种算法进行对比试验．试验结果表明，新算法具有最低的平均中心点误差4．3像素，最高的平均覆盖率0．84，能够实现鲁棒稳定的跟踪．

关键词：目标跟踪、增量正交投影、非负矩阵分解、观测模型、基于部分的表示

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：山东省自然科学基金资助项目ZR2015FL009；滨州市科技发展计划项目2013ZC0103；滨州学院科研基金资助项目BZX-YG1524

在线出版日期：2016-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：698-705