基于双向稀疏表示的鲁棒目标跟踪算法?

摘要：

目前，基于稀疏表示的目标跟踪通常为在目标模板集上重构候选样本的正向模型或者在候选样本集上描述目标模板的反向模型。两个模型的共同点是均需计算候选样本与模板集合之间的稀疏相关系数矩阵。基于此，建立了一个双向联合稀疏表示的跟踪模型，该模型通过L2范数约束正反向稀疏相关系数矩阵达到一致收敛。与之前的单向稀疏表示模型相比，双向稀疏表示跟踪模型在正反向联合求解框架下可以更加充分地挖掘所有候选样本与模板集之间的稀疏映射关系，并将稀疏映射表上对正负模板区分度最好的候选样本作为目标。基于加速逼近梯度(accelerated proximal gradient)快速算法，以矩阵形式推导了双向稀疏表示模型的求解框架，使得候选样本集和目标模板集均以矩阵方式并行求解，在一定程度上提高了计算效率。实验数据表明所提出的算法优于传统的单向稀疏表示目标跟踪算法。

关键词：稀疏表示、目标跟踪、贝叶斯框架

分类号：TP3;TN9

资助基金：国家高技术研究发展计划批准号:2012AA8012011C资助的课题.* Project supported by the National High Technology Research and Development Program of China Grant 2012AA8012011C

在线出版日期：2015-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：234201-1-234201-11