基于深度特征的稀疏表示目标跟踪算法

基于稀疏表示的目标跟踪算法速度快、精度高,但这类算法使用灰度特征来描述目标外观,因此在跟踪外观变化较大的目标时容易发生漂移。为了解决该问题,研究提出一种基于深度特征的稀疏表示目标跟踪算法。首先,使用预训练的卷积神经网络提取目标的深度特征;其次,根据采集到的模板集对候选样本计算重构误差;然后,选择具有最小重构误差的候选样本作为当前帧的目标;最后,根据已跟踪到的目标更新模板集。实验结果表明,本算法与传统的稀疏表示算法相比更具有鲁棒性。