融合L2范数最小化和压缩Haar-like特征匹配的快速目标跟踪.pdfVIP

第38 卷第11 期 电 子 与 信 息 学 报 Vol.38No.11 2016 年11 月 Journal of Electronics Information Technology Nov. 2016 融合L2范数最小化和压缩Haar-like特征匹配的快速目标跟踪 吴正平①② 杨 杰*① 崔晓梦① 张庆年① ①(武汉理工大学光纤传感技术与信息处理教育部重点实验室 武汉 430070) ②(三峡大学计算机与信息工程学院 宜昌 443002) 摘 要：在贝叶斯推理框架下，基于PCA 子空间和L2 范数最小化的目标跟踪算法能较好地处理视频场景中多种 复杂的外观变化，但在目标出现旋转或姿态变化时易发生跟踪漂移现象。针对这一问题，该文提出一种融合L2 范 数最小化和压缩Haar-like 特征匹配的快速视觉跟踪方法。该方法通过去除规模庞大的方块模板集和简化观测似然 度函数降低计算的复杂度；而压缩Haar-like 特征匹配技术则增强了算法对目标姿态变化及旋转的鲁棒性。实验结 果表明：与目前流行的跟踪方法相比，该方法对严重遮挡、光照突变、快速运动、姿态变化和旋转等干扰均具有较 强的鲁棒性，且在多个测试视频上可以达到29 帧/s 的速度，能满足快速视频跟踪要求。 关键词：目标跟踪；PCA 子空间；L2 范数最小化；压缩Haar-like 特征；观测似然度 中图分类号：TP391 文献标识码：A 文章编号：1009-5896(2016)11-2803-08 DOI: 10.11999/JEIT160122 FastObjectTrackingBasedonL2-normMinimizationand CompressedHaar-likeFeaturesMatching WU Zhengping①② YANG Jie① CUI Xiaomeng① ZHANG Qingnian① ①(TheKeyLaboratoryofFiberOpticSensingTechnologyandInformationProcessing, MinistryofEducation, WuhanUniversityofTechnology, Wuhan430070, China) ② (CollegeofComputerandInformationTechnology, ChinaThreeGorgesUniversity, Yichang443002, China) Abstract: Under the framework of the Bayesian inference, tracking methods based on PCA subspace and L2-norm minimization can deal with some complex appearance changes in the video scene successfully. However, they are prone to drifting or failure when the target object undergoes pose variation or rotation. To deal with this problem, a fast visual tracking method is proposed based on L2-norm minimization and compressed Haar-like features matching. The proposed method not only removes square templates, but also p