黄丹丹　　孙怡

基于稀疏子空间选择的在线目标跟踪

黄丹丹1孙怡1

本文在粒子滤波框架下提出一种基于稀疏子空间选择的两步在线跟踪方法.在跟踪的第一步，利用稀疏子空间选择算法筛选出与目标状态相似性较高的候选区域，并将目标与背景间的过渡区域定义为单独的类别以降低目标发生漂移的可能；第二步则通过构建有效的观测模型计算候选区域与目标状态间的相似性，其中相似性函数综合考虑二者在整体和局部特征上的相似性，且将目标的原始状态和当前状态都作为参考，因此增强了观测模型的可靠性；最后利用最大后验概率估计目标状态.此外，该算法通过对目标数据的更新来适应目标的表观变化.实验结果表明该算法能有效处理目标跟踪中的遮挡、运动模糊、光流与尺度变化等问题，与当前流行的9种跟踪方法在多个测试视频上的对比结果验证了该算法的有效性.

目标跟踪，表观变化，稀疏子空间选择，粒子滤波

引用格式黄丹丹，孙怡.基于稀疏子空间选择的在线目标跟踪.自动化学报，2016，42（7）:1077-1089

目标跟踪是对视频序列中的目标进行状态估计的过程，它是特征提取、目标检测等底层视觉技术的输出，同时为行为判定、语义理解等高级视觉分析提供输入信息，在整个视觉处理流程中起到承上启下的作用.尽管研究者们提出了大量的跟踪算法［1-3］，但是由于形变、光照、遮挡等原因导致了目标表观的复……