基于稀疏表示和特征选择的lk目标跟踪

基于稀疏表示和特征选择的lk目标跟踪

ID:19943898

大小:8.01 MB

页数:5页

时间:2018-10-07

基于稀疏表示和特征选择的lk目标跟踪_第1页
基于稀疏表示和特征选择的lk目标跟踪_第2页
基于稀疏表示和特征选择的lk目标跟踪_第3页
基于稀疏表示和特征选择的lk目标跟踪_第4页
基于稀疏表示和特征选择的lk目标跟踪_第5页
资源描述:

《基于稀疏表示和特征选择的lk目标跟踪》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、计算机应用研究ApplicationResearchofComputers基于稀疏表示和特征选择的LK目标跟踪潘晴曾仲杰(广东工业大学信息工程学院,广州510006)摘要:为了实现复杂场景中的视觉跟踪,提出了一种以LK(Lucas-Kanade)图像配准算法为框架,基于稀疏表示的在线特征选择机制。在视频序列的每一帧,筛选出一些能够很好区分目标及其相邻背景的特征,从而降低干扰对跟踪的影响。该算法分别构造前景字典和背景字典,前景字典来自于第一帧的手动标定,并随着跟踪结果不断更新,而背景字典则在每一帧重新构造。同时,一种新的字典更新策略不仅能有效应对目标的外观

2、变化,而且通过特征选择机制,能避免在更新过程中引入干扰,从而克服了漂移现象。大量的实验结果表明,该算法能有效应对视角变化、光照变化以及大面积的局部遮挡等挑战。关键词:视觉跟踪;稀疏表示;LK图像配准算法;特征选择;中图分类号:TP301.6LKTrackingBasedonSparseRepresentationandFeaturesSelectionPANQingZENGZhong-jie(SchoolofInformationEngineering,GuangdongUniversityofTechnology,Guangzhou510006,Chi

3、na)Abstract:Inordertotrackingobjectincomplexscenes,thepaperproposesanonlinefeaturesselectionmechanismbasedonsparserepresentationintheLucas-Kanadeimageregistrationframework.Toredusetheimpactofinterferenceonthetracking,weselectthefeaturesthatbestdiscriminationbetweemobjectandadjace

4、ntbackgroundineachframeofthevideosequence.Thealgorithmiscomposedofforwarddictionariesandbackgrounddictionaries,theformerwhichwillbecreatedmanuallyfromthefirstframeandupdatedwiththetrackingresults,thebackgrounddictionarywillbereconstructbyevreyframe.Meanwhile,anewdictionaryupdatin

5、gstrategynotonlycaneffectivelycopewiththeappearancechanges,butalsohandledrift.Experimentshowsthattheproposedalgorithmcaneffectivelydealwithposechange,illuminationchangeandlargepartialocclusion.Keywords:visualtracking;sparserepresentation;Lucas-Kanadeimageregistrationalgorithm;fea

6、tureselection20currencydeposit,weprescribeapassonaregularbasis,qilucardaccountonaregularbasis),certificatebondsandsavingsbonds(electronic);3.notdrawnonabanksavingscertificate,certificatebondsapplyformortgageloans,acceptingonlythelender广东省自然科学基金项目(No.9451009001002667)。潘晴:男,1975年生,

7、副教授,湖北武汉人,主要研究领域为图像处理、模式识别.曾仲杰:男,1986年生,硕士研究生,广东湛江人,主要研究方向模式识别、视觉跟踪.1引言近30年来视觉跟踪一直是计算机视觉领域的一个重要课题,随着众多学者不断研究和探索,视觉跟踪已经在视频监控,智能交通,人机交互等领域得到广泛的应用。目前大量的跟踪算法被提出以解决跟踪过程中遇到的各种难题,包括目标的快速运动、视角变化、遮挡、复杂背景干扰以及光照变化等等[1]。目前,视觉跟踪算法主要分为判别法和统计生成法两类。判别法是将跟踪视作一个分类问题,通过分类器实现对目标的定位。统计生成法则用一个或多个模型来表示

8、目标,然后在一定范围内寻找最佳的匹配结果。Grabner等人[2]提出一种基于在

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。