| 样本分块稀疏表示判决式目标跟踪 |
| |
| 引用本文： | 侯跃恩,李伟光.样本分块稀疏表示判决式目标跟踪[J].计算机应用研究,2018,35(8). |
| |
| 作者姓名： | 侯跃恩 李伟光 |
| |
| 作者单位： | 嘉应学院 计算机学院,华南理工大学 机械工程学院 |
| |
| 基金项目： | 国家高技术研究发展计划(863计划)(2015AA043005)； |
| |
| 摘 要： | 为了提高目标跟踪算法的鲁棒性和准确性,提出了一种粒子滤波框架下的样本分块稀疏表示判决式跟踪算法。算法在首帧提取目标模板和背景模板,并将这些模板进行分块,构建模板字典。然后,将候选目标进行分块处理,并使用模板字典稀疏重构候选目标分块,从而获得候选目标的稀疏系数和残差。进而,构建一款贝叶斯分类器,分类器的输入为候选目标稀疏系数和残差中提取的相似度信息,输出为候选目标与真实目标的相似度。分类器通过跟踪过程中获得的正负样本进行训练,使之能够适应目标和背景的变化。最后,将文中算法在8组具有挑战性的视频中进行测试,平均跟踪误差为5.9个像素,跟踪成功率为89%。与选取的3种先进的算法比较,本文算法具有更高的鲁棒性和准确性。
|
| 关 键 词： | 粒子滤波 样本分块 稀疏表示 分类器 |
| 收稿时间： | 2017/3/29 0:00:00 |
| 修稿时间： | 2017/5/17 0:00:00 |
Sample blocking sparse representation discriminative target tracker |
| |
| HOU Yue-en and LI Wei-guang.Sample blocking sparse representation discriminative target tracker[J].Application Research of Computers,2018,35(8). |
| |
| Authors: | HOU Yue-en and LI Wei-guang |
| |
| Affiliation: | School of Computer,Jiaying University,Guangdong Meizhou, |
| |
| Abstract: | |
| |
| Keywords: | Particle filter Sample blocking Sparse representation Classifier |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
