张永强，程丹松，王 君，吴 锐，陈 竟，石大明

(哈尔滨工业大学 计算机科学与技术学院 150001 哈尔滨)



拓展模板的视频跟踪技术

张永强，程丹松，王 君，吴 锐，陈 竟，石大明

(哈尔滨工业大学 计算机科学与技术学院 150001 哈尔滨)

在视觉目标跟踪(video tracking)过程中，当跟踪图像存在背景杂波、图像噪声(如图像遮挡、图像快速移动)时，算法往往不能取得很好的图像追踪效果.为解决该问题，在经典L1-tracker追踪算法的基础上，针对目标遮挡、目标消失等严重影响跟踪效果的情况进行研究，提出加入拓展模板(固定模板和近况模板)的策略来提高跟踪精度和抗遮挡能力.固定模板保持追踪目标最初的图像特征，防止错误的追踪结果在模板更新时引入错误的特征，进而导致识别目标偏移.近况模板记录目标的最新跟踪结果，避免由于点模板的大量使用而造成遮挡的误识别.通过对多个标准数据集的实验测试，证明加入新策略的L1-tracker算法，在不破坏原有L1-tracker优势的基础上，显著地提升了L1-tracker算法应对遮挡问题的能力.

图像目标追踪；稀疏表示；L1-tracker；固定模板；近况模板

近些年来，随着社会需求和科学工程技术的进步，视觉目标跟踪(video tracking)已经被应用到很多的领域，如：视频监控、车辆导航和人机交互等[1].但是当跟踪图像存在背景杂波、图像噪声(如图像遮挡、图像快速移动)时，很多算法都未能取得很好的图像追踪效果.

矩阵的稀疏表示(sparse representation),又称压缩传感(compressive sensing)[2]，是一种先把图像数据矩阵化，然后利用其内在稀……