基于多模态词典学习的目标跟踪算法

• 作者: 朱虹 王婧
• 来源期刊: 西安理工大学学报
• 学科: 工学
• 关键词: 目标跟踪 多模态词典 粒子滤波 稀疏表示
• 年，卷（期）: 2017,（3）
• 页码范围: 259-264
• 页数: 6页
• 分类号: TP391.4
• 字数: 4811字
• 语种: 中文
• DOI: 10.19322/j.cnki.issn.1006-4710.2017.03.002

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱虹	西安理工大学自动化与信息工程学院	86	857	13.0	25.0
2	王婧	西安理工大学自动化与信息工程学院	6	18	3.0	4.0