融合残差Unscented粒子滤波和区别性稀疏表示的鲁棒目标跟踪
目的 提出一种鲁棒的目标跟踪算法,将区别性稀疏表示模型应用于残差Unscented粒子滤波(RUPF)跟踪框架,从而实现对目标高效准确的跟踪.方法 利用Unscented卡尔曼(UKF)滤波技术将目标的量测信息引入提议分布,并使用马尔可夫蒙特卡洛(MCMC)移动改进采样结果,提高了滤波的精度,同时有效防止了粒子的退化和贫化.基于稀疏表示建立区别性的目标观测模型,引入的背景成分可以增强算法分辨目标与背景的能力.采用可变方向乘子法(ADMM)解决稀疏表示中的L1优化问题,有效地提升了算法的执行效率.结果 通过和其他跟踪算法一起,对标准测试视频进行的大量定性与定量的实验,结果表明,本文跟踪算法的跟踪精度高于一些常见的跟踪算法,同时其时间复杂度低于传统的几种基于稀疏的跟踪算法.结论 随着硬件技术的不断发展,UKF滤波技术的速度不断提升,保证了本文算法可以在较高准确率下有更快的执行速度.
目标跟踪、Unscented粒子滤波、稀疏表示、动态模板更新、可变方向乘子法(ADMM)
19
TP3;TN9
国家科技支撑计划基金项目60972001;苏州市工业科技支撑计划基金项目SS201223
2014-05-29(万方平台首次上网日期,不代表论文的发表时间)
共9页
730-738