基于l0正则化的增量低秩特征学习目标跟踪

• 作者: 傅平 王建兴 邱立达
• 来源期刊: 光电子·激光
• 学科: 工学
• 关键词: 目标跟踪 低秩特征 l0正则化 稀疏编码
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 模式识别
• 页码范围: 304-310
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16136/j.joel.2017.03.0219

摘要

为了提高生成型目标跟踪算法在遮挡、背景干扰等复杂条件下的性能,在稀疏编码模型中引入l0范数正则化约束,以减少冗余编码信息并改善目标表观重构效果.同时提出一种新的基于非凸近端加速梯度的快速迭代算法,解决由此产生的非凸非光滑优化问题.设计了一种增量低秩学习策略,和传统方法需要将目标观测数据作为一个整体进行低秩学习不同,本文方法通过l0正则化稀疏编码能够有效地对目标低秩特征子空间进行在线学习和更新.在多个视频序列上的实验表明:基于l0正则化的增量低秩学习方法能有效提高目标跟踪算法的准确率和鲁棒性;和8种优秀的跟踪算法相比,本文算法在中心误差稳健性和重叠率稳健性两个指标上都取得了最好结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建兴		20	54	2.0	7.0
2	邱立达		16	89	4.0	9.0
3	傅平		37	106	5.0	9.0