原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
稀疏表示的超像素在线跟踪
第 36卷第 10期 电 子 与 信 息 学 报 V01．36NO．10
2014年 10月 JournalofElectronics InformationTechnology Oct．2014
稀疏表示的超像素在线跟踪
程 旭 李拟瑶 周同驰 周 琳 吴镇扬
(东南大学信息科学与工程学院 南京 2100961
摘 要：目标表观变化的处理是视觉跟踪领域极具挑战性的问题，该文针对这一问题，在粒子滤波框架下提出一种
高效的基于超像素的L1跟踪方法(SuperPixel-L1tracker，SPLI)。首先利用具有结构性信息的中层视觉线索(超像
素)构造字典来对 目标的表观建模；然后求解 由粒子表示的候选 目标状态的 L1范数最小化，把重构误差最小的候
选状态作为跟踪的结果；最后进一步改进了字典的在线更新策略，不论 目标发生遮挡与否，字典都被学习更新；为
了降低 目标发生漂移的可能，更新时保留初始帧的信息。仿真结果验证了SPL1在 目标发生长时间遮挡、尺度和光
照变化时依然能够稳定地跟踪 目标。
关键词：视觉跟踪；在线学习；表观变化；稀疏表示；超像素
中图分类号：TP391 文献标识码：A 文章编号：1009—5896(2014)10—2393—07
DOI：10．3724／SP．J．1146．2013．01784
OnlineTrackingviaSuperpixelandSparseRepresentation
ChengXu LiNi-jun ZhouTong—chi ZhouLin WuZhen-yang
(SchoolofInformationScienceandEngineering，SoutheastUniversity，Nanjing210096，China)
Abstract：Handlingappearancevariationsisaverychallengingissueforvisualtracking．Inthispaper，aneffective
superpixelbasedL1trackingmethod(SuperPixel—L1tracker，SPL1)isproposedtodealwiththeaboveproblemin
aparticlefilterframework．First，themid—levelvisualcuewithstructuralinformationisexploitedtoconstructthe
dictionaryandmodeltheobjectappearance．TheneachcandidatestatedefinedbyaparticleissolvedviaL1
minimization．Thecandidatewiththesmallestreconstructionerrorisselectedas thetrackingresult．Finally，the
onlinedictionaryupdatingstrategyisfurtherimproved．Thedictionaryneedstobeupdatedregardlessofwhether
theobjectisoccludedornot．Theinitialframeinformationisretainedduringtheupdatingprocesstoreducethe
possibilityoftheobjectdrift．SimulationresultsshowthatSPL1trackercanstillstablytracktheobjectunderthe
circumstanceoflong—term occlusion，largescaleandilluminationchanges．
Keywords：Visualtracking；Onlinelearning；Appera ancechanges
文档评论（0）