联合模板先验概率和稀疏表示的目标跟踪

摘要：

目的 虽然基于稀疏表示的目标跟踪方法表现出了良好的跟踪效果,但仍然无法彻底解决噪声、旋转、遮挡、运动模糊、光照和姿态变化等复杂背景下的目标跟踪问题.针对遮挡、旋转、姿态变化和运动模糊问题,提出一种在粒子滤波框架内,基于稀疏表示和先验概率相结合的目标跟踪方法.方法 通过先验概率衡量目标模板的重要性,并将其引入到正则化模型中,作为模板更新的主要依据,从而获得一种新的候选目标稀疏表示模型.结果 在多个测试视频序列上,与多种流行算法相比,该算法可以达到更好的跟踪性能.在5个经典测试视频下的平均中心误差为6.77像素,平均跟踪成功率为97％,均优于其他算法.结论 实验结果表明,在各种含有遮挡、旋转、姿态变化和运动模糊的视频中,该算法可以稳定可靠地跟踪目标,适用于视频监控复杂场景下的目标跟踪.

关键词：目标跟踪、稀疏表示、先验概率、粒子滤波、模板更新、正则化模型

所属期刊栏目：21

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61372137,61301295;安徽省自然科学基金项目1308085QF100,1408085MF113;安徽大学博士科研启动基金;National Natural Science Foundation of China61372137,61301295;Natural Science Foundation of Anhui Province,China1308085QF100,1408085MF113

在线出版日期：2016-11-28（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：1455-1463