基于子空间联合模型的视觉跟踪.PDFVIP

第３４卷第７期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．７ ２０１７年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２０１７ 基于子空间联合模型的视觉跟踪 杨国亮　唐　俊　朱松伟　王　建 （江西理工大学电气工程与自动化学院　江西赣州３４１０００） 摘　要　　目标跟踪是计算机视觉的重要组成部分，其鲁棒性一直受到目标遮挡，光照变化，目标姿态变化等因 素的制约。针对这个问题，提出了基于子空间联合模型的视觉跟踪算法。算法为了克服遮挡对目标跟踪的影响， 采用局部动态稀疏表示进行遮挡检测，根据遮挡检测结果来修正增量子空间误差。此外，在稀疏子空间基础上计 算目标模板和候选模板的相似性。在粒子滤波框架下，联合候选目标增量误差和相似性实现目标跟踪。通过在 多个具有挑战性的视频序列上进行实验，表明该算法具有较好的鲁棒性。 关键词　　视觉跟踪　增量子空间　粒子滤波　联合模型　局部动态稀疏表示 中图分类号　ＴＰ３９１．４１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０７．０２９ ＶＩＳＵＡＬＴＲＡＣＫＩＮＧＢＡＳＥＤＯＮＳＵＢＳＰＡＣＥＣＯＬＬＡＢＯＲＡＴＩＶＥＭＯＤＥＬ ＹａｎｇＧｕｏｌｉａｎｇ　ＴａｎｇＪｕｎ　ＺｈｕＳｏｎｇｗｅｉ　ＷａｎｇＪｉａｎ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＪｉａｎｇｘｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｇａｎｚｈｏｕ３４１０００，Ｊｉａｎｇｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔａｒｇｅｔｔｒａｃｋｉｎｇｉｓａｎｉｍｐｏｒｔａｎｔｐａｒｔｏｆｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，ａｎｄｉｔｓｒｏｂｕｓｔｎｅｓｓｉｓａｌｗａｙｓｒｅｓｔｒｉｃｔｅｄｔｏｔａｒｇｅｔ ｏｃｃｌｕｓｉｏｎ，ｉｌｌｕｍｉｎａｔｉｏｎｖａｒｉａｔｉｏｎａｎｄｔａｒｇｅｔｐｏｓｅｃｈａｎｇｅａｎｄｓｏｏｎ．Ｔｏｔｈｉｓｅｎｄ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｖｉｓｕａｌｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｓｕｂｓｐａｃｅｃｏｌｌａｂｏｒａｔｉｖｅｍｏｄｅｌ．Ｉｎｏｒｄｅｒｔｏｏｖｅｒｃｏｍｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｏｃｃｌｕｓｉｏｎｏｎｔａｒｇｅｔｔｒａｃｋｉｎｇ，ｔｈｉｓ ａｌｇｏｒｉｔｈｍｒｅｃｔｉｆｉｅｓｉｎｃｒｅｍｅｎｔａｌｓｕｂｓｐａｃｅｅｒｒｏｒｂｙｒｅｓｕｌｔｏｆｏｃｃｌｕｓｉｏｎｄｅｔｅｃｔｉｏｎｕｓｉｎｇｌｏｃａｌｄｙｎａｍｉｃｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ． Ｂｅｓｉｄｅｓ，ｔｈｅｓｉｍｉｌａｒｉｔｙｂｅｔｗｅｅｎｔａｒｇｅｔｔｅｍｐｌａｔｅａｎｄｃａｎｄｉｄａｔｅｔｅｍｐｌａｔｅｉｓｃｏｍｐｕｔｅｄｂａｓｅｄｏｎｌｏｃａｌｄｙｎａｍｉｃｓｐａｒｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ．Ｉｎｔｈｅｆｒａｍｅｗｏｒｋｏｆｐａｒｔｉｃｌｅｆｉｌｔｅｒ，ｔｈｉｓａｌｇｏｒｉｔｈｍｉｓａｃｈｉｅｖｅｄｂａｓｅｄｏｎｃｏｍｂｉｎｉｎｇｉｎｃｒｅｍｅｎｔａｌｅｒｒｏｒｗｉｔｈ ｓｉｍｉｌａｒｉｔｙ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎｓｅｖｅｒａｌｓｅｑｕｅｎｃｅｓｓｈｏｗｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｈａｓｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｏｆｔｒａｃｋｉｎｇ． Ｋｅｙｗｏｒｄｓ　　Ｖｉｓｕａｌｔｒａｃｋｉｎｇ　Ｉｎｃｒｅｍｅｎｔａｌｓｕｂｓｐａｃｅ　Ｐａｒｔｉｃｌｅｆｉｌｔｅｒ　Ｃｏｌｌａｂｏｒａｔｉｖｅｍｏｄｅｌ　Ｌｏｃａｌｄｙｎａｍｉｃｓｐａｒｓｅｒｅｐ ｒｅｓｅｎｔａｔｉｏｎ 法和生成式方法。鉴别式方法将跟踪问题转化成了一 ０　引　言 个二分类问题，其思想是通过分类器寻找与背景区分 性最大的区域，从而实现目标和背景的分离。而对于 视觉跟踪一直是计算机视觉领域的研究热点，它 生成式方法［３－８］，其主要思想是在图像局部区域内进 在