10.19665/j.issn1001-2400.2019.04.021
利用判别字典学习的视觉跟踪方法
针对复杂背景及遮挡等引起目标跟踪性能显著下降的问题,提出一种目标跟踪方法.该方法首先根据目标时空局部相关性获取目标及背景样本.而后建立字典学习模型:基于误差项捕获遮挡等产生的异常值,利用极大极小凹加函数惩罚稀疏编码及误差矩阵,且对字典施加不一致约束项以提高字典的鲁棒性和判别性.针对所构建的非凸字典学习优化问题,利用优化最小化方法对其求解以获得较好的收敛性.最后,由所得判别字典计算候选目标的重构误差以构建目标观测模型,并基于贝叶斯推理框架实现目标精确跟踪.仿真结果表明,与现有主流算法相比,所提方法在复杂环境下可显著地提高目标跟踪的精度及鲁棒性.
视觉跟踪、稀疏表示、字典学习、非凸优化、贝叶斯推理
46
TP391.41(计算技术、计算机技术)
国家自然科学基金61301258,61271379;中国博士后科学基金2016M590218;重点实验室基金61424010106
2019-08-27（万方平台首次上网日期，不代表论文的发表时间）
共9页
150-158
