10.3969/j.issn.1001-2400.2016.05.018
在线低秩表示的目标跟踪算法
针对传统的基于生成模式的跟踪方法对噪声及遮挡问题比较敏感,导致跟踪结果失败的问题,提出了以前几帧的跟踪结果作为观测矩阵,采用鲁棒的主元成分分析模型求解观测模型的低秩特征。当新的视频流到来时,不是把所有的跟踪结果矩阵作为观测矩阵。并提出了新的增量鲁棒的主元成分分析模型,采用增广拉格朗日算法求解新矩阵的低秩特征,并以此低秩矩阵在贝叶斯框架下建立跟踪模型,用恢复的低秩特征更新字典矩阵。将文中方法与其他6种跟踪算法在8种跟踪视频上进行跟踪对比。实验结果表明,所提出的方法具有较低的像素中心位置误差和较高的重叠率。
目标跟踪、低秩特征、鲁棒的主成分分析模型、字典矩阵
43
TP391(计算技术、计算机技术)
山东省自然科学基金资助项目ZR2015FL009;滨州市科技发展计划资助项目2013ZC0103;滨州学院科研基金资助项目BZXYG1524
2016-11-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
98-104