局部加权距离度量的双向稀疏表示目标跟踪

首先提出基于双向稀疏表示的目标跟踪模型框架。该模型用L_1范数来约束正反向重构误差,通过利用加速逼近梯度(APG)算法求得正反稀疏系数矩阵,根据目标正负模板集和候选模板集之间的距离度量得到权重矩阵。通过权重矩阵与正反稀疏系数矩阵,得到候选样本集中正负差异度最大的候选样本,把最优候选样本作为跟踪最优目标;然后在目标模板集和候选样本集之间的距离度量上,由于传统欧氏距离权重在目标发生遮挡、光照等情况下具有不准确性,基于此提出改进的局部权重距离度量方法。该算法在复杂环境视频序列下,相比传统目标跟踪算法具有较高的鲁棒性。