邵 洁

(上海电力学院计算机与信息工程学院，上海 200090)

运动目标分析是计算机视觉研究领域中的一个富有挑战性的课题.它涵盖了移动目标物体的检测、跟踪，以及跟踪物体的行为识别等多个方面的内容.一个鲁棒的视频跟踪算法需要克服噪音的影响，图像中的目标间互遮挡或物体对人的遮挡，图像视角变化，复杂的背景和光照变化等.

跟踪算法能够实现对一段时间内目标空间状态的估计.早期研究中，基础跟踪算法通常采用卡尔曼滤波实现.然而由于卡尔曼滤波只能提供状态变化服从线性高斯分布的目标最优值估计，不符合现实中的目标运动变化状态，使得其后产生的基于非线性模型的粒子滤波方法逐渐成为更广泛使用的次最优状态估计方法.在基础跟踪算法选定的情况下，如何利用特征找到与已有跟踪目标或模板最匹配的观测目标是目标跟踪的关键.

1 算法概述

本文尝试通过寻找模板子空间中目标的稀疏最优估计实现目标跟踪.这一设想来自于文献［1］，首先在第一帧初始化目标模板，然后在跟踪过程中，通过贝叶斯框架下的粒子滤波得到多个候选目标位置，再将候选位置的目标模块表示成目标模板的稀疏线性加权和.因此，处于最正确候选位置的目标模块应当最能有效地由目标模板表示.事实上，通过将这种表示转化为一个L1正则化最小二乘问题求解时，可以得到一个候选模块关于目标……