基于l1范数和最小软阈值均方的目标跟踪算法 object tracking via l1 norm and least soft-threshold square.pdfVIP

　第４６卷　第３期 山　东　大　学　学　报　（工　学　版） ２０１６年６月　 　 　　 Ｖｏｌ．４６　 Ｎｏ．３ 　　 　ＪＯＵＲＮＡＬ ＯＦ ＳＨＡＮＤＯＮＧＵＮＩＶＥＲＳＩＴＹ （ＥＮＧＩＮＥＥＲＩＮＧ ＳＣＩＥＮＣＥ） Ｊｕｎ．２０１６　 　文章编号：１６７２３９６１（２０１６）０３００１４０９　　　ＤＯＩ：１０６０４０／ｊ．ｉｓｓｎ．１６７２３９６１０２０１５３１６ 基于Ｌ 范数和最小软阈值均方的目标跟踪算法１ １，２ １ ２ 王海军 ，葛红娟 ，张圣燕 （１．南京航空航天大学民航学院，江苏 南京２１１１０６； ２．滨州学院山东省高校航空信息技术重点实验室，山东 滨州２５６６０３） 摘要：基于传统稀疏表示的目标跟踪算法无法解决跟踪过程出现的遮挡及运动模糊等问题，提出一种基于Ｌ 范数１ 和最小软阈值均方的目标跟踪算法。首先用主成分分析（ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ＰＣＡ）基向量建模跟踪目标 的表观变化，同时对表示系数进行Ｌ 范数约束；其次对误差项采用最小软阈值方法进行显示求解，同时对观测模１ 型的更新上考虑跟踪目标的遮挡因素；最后在贝叶斯框架下搭建目标跟踪算法。在 １４ 个具有挑战性的跟踪视频 上的试验结果表明：与其他算法相比，本研究能够克服跟踪过程中遮挡、角度变化、尺度变化、光照变化等影响跟 踪性能的因素，具有较高的平均覆盖率和较低的平均中心点误差。 关键词：Ｌ 范数；最小软阈值均方；目标跟踪；稀疏表示；观测模型１ 中图分类号：ＴＰ３９１　　　文献标志码：Ａ Ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ ｖｉａ Ｌ ｎｏｒｍ ａｎｄ ｌｅａｓｔ ｓｏｆｔｔｈｒｅｓｈｏｌｄ ｓｑｕａｒｅ１ １，２ １ ２ ＷＡＮＧ Ｈａｉｊｕｎ ，ＧＥ Ｈｏｎｇｊｕａｎ ，ＺＨＡＮＧ Ｓｈｅｎｇｙａｎ （１．Ｃｏｌｌｅｇｅ ｏｆＣｉｖｉｌ Ａｖｉａｔｉｏｎ，Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＡｅｒｏｎａｕｔｉｃｓ ａｎｄ Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ２１１１０６，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ； ２．Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＡｖｉａｔｉｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＳｈａｎｄｏｎｇ，Ｂｉｎｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ， Ｂｉｎｚｈｏｕ２５６６０３，Ｓｈａｎｄｏｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｄｕｅｔｏｔｈｅｏｃｃｌｕｓｉｏｎａｎｄｍｏｔｉｏｎｂｌｕｒｉｎｔｈｅｔｒａｄｉｔｉｏｎａｌｏｂｊｅｃｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍ，ａｎｏｖｅｌｏｂｊｅｃｔｔｒａｃｋｉｎｇａｌｇｏ ｒｉｔｈｍ ｖｉａ Ｌ ｎｏｒｍ ａｎｄ ｌｅａｓｔ ｓｏｆｔｔｈｒｅｓｈｏｌｄ ｓｑｕａｒｅ ｗａｓ ｐｒｏｐｏｓｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｔｈｅ ｆａｉｌｕｒｅ ｏｆ ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ１ ｂａｓｅｄ ｏｎ ｓｐａｒｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｔｈｅ ａｐｐｅａｒａｎｃｅｓ ｏｆｔｈｅ ｏｂｊｅｃｔ ｗｅｒｅ ｍｏｄｅｌｅｄｂｙ ｔｈｅ ＰＣＡ （Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）ｂａｓｉｓ ｖｅｃｔｏｒ ａｎｄ ｔｈｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｗｅｒｅ ｃｏｎｓｔｒａｉｎｅｄ ｂｙ Ｌ ｎｏｒｍ