袁广林薛模根

①(解放军陆军军官学院十一系 合肥 230031)

②(解放军陆军军官学院科研部 合肥 230031)

③(合肥工业大学计算机与信息学院 合肥 230009)

基于稀疏稠密结构表示与在线鲁棒字典学习的视觉跟踪

袁广林*①薛模根②③

①(解放军陆军军官学院十一系 合肥 230031)

②(解放军陆军军官学院科研部 合肥 230031)

③(合肥工业大学计算机与信息学院 合肥 230009)

L1跟踪对适度的遮挡具有鲁棒性，但是存在速度慢和易产生模型漂移的不足。为了解决上述两个问题，该文首先提出一种基于稀疏稠密结构的鲁棒表示模型。该模型对目标模板系数和小模板系数分别进行L2范数和L1范数正则化增强了对离群模板的鲁棒性。为了提高目标跟踪速度，基于块坐标优化原理，用岭回归和软阈值操作建立了该模型的快速算法。其次，为降低模型漂移的发生，该文提出一种在线鲁棒的字典学习算法用于模板更新。在粒子滤波框架下，用该表示模型和字典学习算法实现了鲁棒快速的跟踪方法。在多个具有挑战性的图像序列上的实验结果表明：与现有跟踪方法相比，所提跟踪方法具有较优的跟踪性能。

视觉跟踪；稀疏表示；稠密表示；字典学习

1 引言

视觉跟踪是计算机视觉中的基本问题之一，其目的是利用图像序列自动估计目标状态。视觉跟踪在运动分析、视频监控、车辆导航和人机交互等方面具有重要的应用价值。经过三十多年的研究，已经提出了一些跟踪方法[1-3]，但是目标遮挡、目标变化、复杂背景和快速性要求等难题使得视觉跟踪仍是计算机视觉领域的研究热点，鲁棒快速的视觉跟踪方法还没有解决。……