基于多模态词典学习的目标跟踪算法

摘要：

稀疏表示在目标跟踪中已取得了良好的跟踪效果,但过完备词典模式单一、数据庞大,稀疏系数需用复杂的优化算法求解,会限制此类算法的跟踪性能提高.因此,本文在粒子滤波框架下,提出了一种基于多模态词典的目标跟踪算法.首先,创建长、短周期的正样本模板,结合负样本模板共同构成多模态词典,用以表征采样目标当前状态;其次,根据样本与词典之间的多模态相关系数,对目标进行粗跟踪,得到候选跟踪结果;最后,利用Local Maximal Occurrence(LOMO)特征构建候选跟踪目标与多模态词典的观测似然函数,取具有最大似然度的候选跟踪目标作为最终的跟踪结果.实验结果表明,本文算法在遮挡、光照变化和背景干扰情况下均具有较强的跟踪鲁棒性.

关键词：目标跟踪、多模态词典、粒子滤波、稀疏表示

所属期刊栏目：33

分类号：TP391.4(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61673318,61771386;陕西省自然科学基础研究计划资助项目2016JM6045;陕西省教育厅科学研究计划专项资助项目16JK1571

在线出版日期：2018-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：259-264