基于在线学习的压缩模版的目标跟踪算法

• 作者: 楼铭达 王来花 齐苏敏
• 来源期刊: 光电子·激光
• 学科: 工学
• 关键词: 在线学习 压缩模板 模板匹配 模板更新
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 图像和信息处理
• 页码范围: 1267-1272
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16136/j.joel.2017.11.0533

摘要

利用压缩感知(CS)矩阵建立压缩特征模版,通过在线学习,实现一种更高效的目标跟踪算法.首先利用符合有限等距性质的随机感知矩阵,取得跟踪目标表面特征的压缩模板;然后利用模板匹配确定目标区域,同时在跟踪过程中在线学习目标外观变化,并以此更新目标模板.采用了局部模板更新策略,使目标模板更为准确,更能体现目标的变化状况.采用了模板匹配的确定性跟踪方法,大大减少了大量正负样本的采样,降低了算法复杂度.实验结果表明,与压缩跟踪(CT)算法相比,本文的基于在线学习的压缩模版跟踪算法在时间性能上有了明显提升,采用Kal-man滤波器加速跟踪可提高6倍以上的时间性能,在多个标准测试序列中的跟踪成功率也有了明显提高,有效地防止了跟踪中的漂移现象.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐苏敏		20	62	5.0	7.0
2	王来花		9	5	2.0	2.0
3	楼铭达		1	0	0.0	0.0