基于l12正则化的稀疏表示目标跟踪算法的研究.pdfVIP

第25卷 第 1期 计 算 机 技 术 与发 展 VoI．25 No．1 2015年 1月 COMPUrER IECHNOLOGY AND DEVELOPMENT Jan． 2015 基于Z1正则化的稀疏表示 目标跟踪算法的研究 贲 敏 ，邓 萍，王保云 (南京邮电大学 自动化学院，江苏 南京 210023) 摘 要：近年来 目标的稀疏表示已经广泛应用到视频跟踪中。文中提出了一种基于局部稀疏表示的鲁棒 目标跟踪算法， 目标的表示将局部信息考虑在内，并且做出了遮挡处理。为了在新的帧中跟踪到 目标，每一个候选 目标通过在线构建的 过完备字典以及模板解z。，最小化问题稀疏表示。文中用fl2／规范最小化来代替 ，而不是用 z．规范最小化，通过解 最 小化问题，可以找到比解z最小化更稀疏、更精确的解。此外，z。比f0更容易求解。目标稀疏表示后 ，通过在线学习的分 类器将 目标区分出来。实验结果表明，与现有的一些算法相比，该算法稳定性好，性能更优越。 关键词：视频跟踪 ；稀疏表示 ；过完备字典；z。最小化；分类器 中图分类号：TP301．6 文献标识码 ：A 文章编号：1673—629X(2015)O1—0082—05 doi：10．3969／j．issn．1673—629X．2015．01．019 ResearchonObjectTrackingAlgorithm ofSparseRepresentation Basedon 11／2Normalization BEN Min，DENG Ping，W ANG Bao-yun (CollegeofAutomation，NanjingUniversityofPostsandT Nanjing210023，China) Abstract：Recentlysparserepresentationhasbeenwidelyusedinvideotracking．Inthispaper，proposearobusttargettrackingmethod basedonlocalsparserepreesntation，consideringhtelocalinformationforobjectrepresentationandtakeocclusionintoaccount．Inorderto trackhtetargetinanew frame，eachtargetcandidateissparselyrepresented byover—completedictionaryonlineconstructed nadtarget templatessolvingafI／2一normminimizationproblem．Inhtisalgorihtm，USefl／2-nomr minimizationtoreplacel0-nomr minimizationin— steadofZl—norlnminimi zation．BysolvingIt／2-nomr minimization，cna findasparsernadmore accuratesolutionhtanll-norln minimi— zation，moreover，itismucheasiertobesolvedhtan20一nomr minimization．Afterhtat，aclassifierislearnde todistinguishthetargetfrom htebackground．Experimentalresultsshow thatthismehtodhasgoodsatbilityandhteperformnaceissuperiortohtecurrentalgorihtms． Keywords