联合模板先验概率和稀疏表示的目标跟踪

作     者：田猛 路成 周健 施汉琴 陶亮 Tian Meng Lu Cheng Zhou Jian Shi Hanqin Tao Liang

作者机构：安徽大学计算智能与信号处理教育部重点实验室合肥230039 安徽大学媒体计算研究所合肥230601 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2016年第21卷第11期

页      面：1455-1463页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61372137 61301295) 安徽省自然科学基金项目(1308085QF100 1408085MF113) 安徽大学博士科研启动基金项目 

主　　题：目标跟踪 稀疏表示 先验概率 粒子滤波 模板更新 正则化模型 

摘      要：目的虽然基于稀疏表示的目标跟踪方法表现出了良好的跟踪效果,但仍然无法彻底解决噪声、旋转、遮挡、运动模糊、光照和姿态变化等复杂背景下的目标跟踪问题。针对遮挡、旋转、姿态变化和运动模糊问题,提出一种在粒子滤波框架内,基于稀疏表示和先验概率相结合的目标跟踪方法。方法通过先验概率衡量目标模板的重要性,并将其引入到正则化模型中,作为模板更新的主要依据,从而获得一种新的候选目标稀疏表示模型。结果在多个测试视频序列上,与多种流行算法相比,该算法可以达到更好的跟踪性能。在5个经典测试视频下的平均中心误差为6.77像素,平均跟踪成功率为97%,均优于其他算法。结论实验结果表明,在各种含有遮挡、旋转、姿态变化和运动模糊的视频中,该算法可以稳定可靠地跟踪目标,适用于视频监控复杂场景下的目标跟踪。