正例投票下的L1目标跟踪算法
目的 传统的L1稀疏表示目标跟踪,是将所有候选目标表示为字典模板的线性组合,只考虑了字典模板的整体信息,没有分析目标的局部结构.针对该方法在背景杂乱时容易出现跟踪漂移的问题,提出一种基于正例投票的目标跟踪算法.方法 本文将目标表示成图像块粒子的组合,考虑目标的局部结构.在粒子滤波框架内,构建图像块粒子置信函数和相似性函数,提取正例图像块.最终通过正例权重投票估计跟踪目标的最佳位置.结果 在14组公测视频序列上进行跟踪实验,与多种优秀的目标跟踪算法相比,本文跟踪算法在目标受到背景杂乱、遮挡、光照变化等复杂环境干扰下最为稳定,重叠率达到了0.7,且取得了最低的平均跟踪误差5.90,反映了本文算法的可靠性和有效性.结论 本文正例投票下的L1目标跟踪算法,与经典方法相比,能够解决遮挡、光照变化和快速运动等问题的同时,稳定可靠地实现背景杂乱序列的鲁棒跟踪.
正例图像块、投票、稀疏表示、目标跟踪、粒子滤波
21
TP391(计算技术、计算机技术)
国家自然科学基金项目61403116,61273237,61271121,61471154;中国博士后基金项目2014M560507;合肥工业大学研究生教学改革研究基金项目YJG2014Y13;中央高校基本科研业务费专项资金项目;National Natural Science Foundation of China61403116,61273237,61271121,61471154
2016-11-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
1483-1491