基于稀疏稠密结构表示与在线鲁棒字典学习的视觉跟踪

• 作者: 薛模根 袁广林
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 视觉跟踪 稀疏表示 稠密表示 字典学习
• 年，卷（期）: 2015,（3）
• 页码范围: 536-542
• 页数: 7页
• 分类号: TP391.4
• 字数: 5813字
• 语种: 中文
• DOI: 10.11999/JEIT140507

摘要

L1跟踪对适度的遮挡具有鲁棒性，但是存在速度慢和易产生模型漂移的不足。为了解决上述两个问题，该文首先提出一种基于稀疏稠密结构的鲁棒表示模型。该模型对目标模板系数和小模板系数分别进行L2范数和L1范数正则化增强了对离群模板的鲁棒性。为了提高目标跟踪速度，基于块坐标优化原理，用岭回归和软阈值操作建立了该模型的快速算法。其次，为降低模型漂移的发生，该文提出一种在线鲁棒的字典学习算法用于模板更新。在粒子滤波框架下，用该表示模型和字典学习算法实现了鲁棒快速的跟踪方法。在多个具有挑战性的图像序列上的实验结果表明：与现有跟踪方法相比，所提跟踪方法具有较优的跟踪性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛模根	解放军陆军军官学院科研部	12	181	7.0	12.0
5	袁广林	解放军陆军军官学院十一系	9	32	3.0	5.0