在线鲁棒判别式字典学习视觉跟踪

作     者：薛模根 朱虹 袁广林 XUE Mo-gen;ZHU Hong;YUAN Guang-lin

作者机构：陆军军官学院偏振光成像探测技术安徽省重点实验室安徽合肥230031 陆军军官学院十一系安徽合肥230031 

基　　金：国家自然科学基金(No.61175035 No.61379105) 中国博士后科学基金(No.2014M562535) 安徽省自然科学基金(No.1508085QF114) 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2016年第44卷第4期

页      码：838-845页

摘      要：传统子空间跟踪较好解决了目标表观变化和遮挡问题,但其仍存在对复杂背景下目标跟踪鲁棒性不足和模型漂移等问题.针对这两个问题,本文首先通过增大背景样本的重构误差和利用L1范数损失函数建立一种在线鲁棒判别式字典学习模型;其次,利用块坐标下降设计了该模型的在线学习算法用于视觉跟踪模板更新;最后,以粒子滤波为框架,结合提出的模板更新方法实现了鲁棒的视觉跟踪.实验结果表明:与IVT(Incremental Visual Tracking)、L1APG(L1-tracker using Accelerated Proximal Gradient)、ONNDL(Online Non-Negative Dictionary Learning)和PCOM(Probability Continuous Outlier Model)等典型跟踪方法相比,本文方法具有较强的鲁棒性和较高的跟踪精度.

主 题 词：视觉跟踪 模板更新 字典学习 粒子滤波 

学科分类：1305[艺术学-设计学类] 13[艺术学] 0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.3969/j.issn.0372-2112

馆 藏 号：203182193...