赵 端 谢 琦

(郑州大学信息工程学院 河南 郑州 450001)

基于特征加权的快速压缩感知跟踪

赵 端 谢 琦

(郑州大学信息工程学院 河南 郑州 450001)

基于压缩感知的目标跟踪算法具有简单、实时、高效的特点。快速压缩感知目标跟踪算法FCT(Fast Compressive Tracking)生成目标高维特征未考虑不同尺度滤波器生成特征的有效性，目标与候选样本之间的相似性度量仅考虑简单叠加，在目标受到光照、遮挡等外界因素的影响下易使跟踪结果出现偏差。针对这些问题，提出一种基于特征加权的快速压缩感知跟踪算法。该算法根据滤波器尺度，自适应地分配权值，生成目标高维特征。算法将候选样本各维压缩特征分类为目标压缩特征的可能性与贝叶斯分类器输出相乘，作为目标与候选样本之间的相似性度量。实验结果表明，提出的方法在目标受到光照、遮挡等外界因素的影响下具有更强的鲁棒性。

目标跟踪 压缩感知 实时 特征加权

0 引 言

视觉目标跟踪是机器视觉领域研究的热点问题，已经被广泛应用于众多领域，如：机器人、智能视频监控、军用导航等，有着极高的研究价值和广阔的应用发展前景[1]。

传统的视觉目标跟踪算法大致包含三个部分：一个外观模型，一个运动模型和一个相似性度量策略。近些年来，视觉目标跟踪算法得到众多的关注和研究。例如，文献[2]提出一种新颖的跟踪框架(TLD)，即将跟踪任务分解为跟踪、学习和检测，该算法结合检测和跟踪方法，建立新的在线学习机制，从而使得跟踪结果更加准确。……