基于记忆梯度追踪的高效稀疏跟踪算法

为了实现快速稳定的L1稀疏跟踪,提出一种基于记忆梯度追踪的优化稀疏表示目标跟踪算法.首先采用整合后的分块协方差特征对目标外观建模,构建出更有效的适于稀疏跟踪框架的观测模型,结合模板更新策略可提高对复杂场景干扰和漂移模板的鲁棒性;然后采用更低计算成本的自适应比例无迹变化方法近似协方差特征,将流形空间特征相似度量转为欧氏空间度量;最后利用快速记忆梯度追踪方法重构信号性快速稳定的优点减少L1目标跟踪算法稀疏系数的重建时间,计算目标的稀疏解.在各种场景下与5种算法比较的实验结果表明,该算法具有更好的性能.