-
题名一种局部加权和增量字典更新的视觉跟踪方法
- 1
-
-
作者
郑鹏根
赵慧民
詹瑾
黄智慧
利华康
-
机构
广东技术师范大学计算机科学学院
中山大学电子与通信工程学院
-
出处
《扬州大学学报(自然科学版)》
CAS
北大核心
2021年第4期50-57,共8页
-
基金
国家自然科学基金资助项目(61772144,61872096)
广东省教育厅创新团队资助项目(2017KCXTD021)
+1 种基金
广东省教育厅普通高校重点实验室资助项目(2019KSYS009)
广东省自然科学基金自由申请项目(2018A030313546).
-
文摘
针对视频目标跟踪过程中,目标被遮挡或背景杂乱时,基于全局字典表示的跟踪方法易出现非最优稀疏特征选择的问题,提出一种对目标外观进行加权局部表示并增量更新字典的视觉跟踪方法.先将第一帧目标分割为多个局部表示,为每个局部块构建相应的稀疏子字典;在后续帧中,使用局部字典计算搜索样本的各局部块稀疏特征,再使用稀疏特征系数中的非目标成分计算样本各局部块的扰动量和权重,通过最小化局部权重和局部重构误差的线性和获取最佳候选样本.此外,可根据扰动量检测目标干扰信息,用以调节字典更新频率,实现周期性且自适应的增量字典更新方法.在OTB100数据集上采用中心位置误差、重叠率、精度图等方法对同类方法进行定量对比分析,结果说明采用局部加权目标表示方法能更灵活地表示目标变换,特别是在有背景干扰、遮挡和目标形变的场景下具有较好的跟踪鲁棒性.
-
关键词
目标跟踪
重构误差
增量字典更新
局部权重
字典学习
-
Keywords
object tracking
reconstruction error
incremental dictionary update
local weight
dictionary learning
-
分类号
TP361.41
[自动化与计算机技术—计算机系统结构]
-