[单击此处键入标题]-工程科学与技术（原四川大学

《[单击此处键入标题]-工程科学与技术（原四川大学》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、四川大学学报（工程科学版）在线低秩稀疏表示的鲁棒视觉跟踪孔繁锵，王丹丹，沈秋，卞陈鼎，严小乐（南京航空航天大学航天学院，江苏南京210016）摘要：基于L1最小化的鲁棒视觉跟踪算法(L1跟踪算法)使用图像灰度值特征描述目标，忽略了模板间的结构信息，对目标外观变化的建模不够准确，导致跟踪准确度较低。而且L1跟踪算法为了平衡跟踪速度和跟踪效果而采用分辨率较低的1215图像块，难以获取足够的信息来表征目标。针对L1跟踪算法的不足，该文提出一种在线低秩稀疏表示的视觉跟踪算法。首先，该算法充分利用主成分分析(PCA)基向量对目标外观变化的表示能力并考虑目标遮挡现象，以PCA基向量模板描述目

2、标外观变化，以琐碎模板处理遮挡等异常噪声，从而将候选目标表示为PCA基模板和琐碎模板的线性组合。其次在目标表示模型的优化问题中，对PCA基模板系数进行低秩约束和L1,1范数正则化约束，对琐碎模板系数实施L1,1范数约束，并采用非精确增广拉格朗日乘子方法(IALM)求解表示系数。然后在粒子滤波框架下，用目标未被遮挡部分的重建误差和稀疏误差项建立观测模型跟踪目标。最后为了克服模型漂移问题，采用遮挡检测更新机制进行模板更新。在对8组视频图像序列进行测试的实验中，图像块分辨率设定为3232，与4个现有的跟踪算法相比，该算法取得了最高的平均重叠率0.78和最低的平均中心误差4.05。实验结

3、果表明，该文提出的跟踪算法具有较好的跟踪准确性和鲁棒性。关键词：视觉跟踪；低秩表示；稀疏表示；PCA基向量中图分类号：TP391.41文献标识码：ARobustVisualTrackingviaOnlineLow-rankSparseRepresentationKONGFanqiang,WANGDandan,SHENQiu,BIANChending，YANXiaole(CollegeofAstronautics,NanjingUniv.ofAeronauticsandAstronautics,Nanjing210016,China)Abstract:Imagegrayvaluef

4、eaturewasusedtodescribethetargetinrobustvisualtrackingviaL1minimization(L1trackingalgorithm),ignoringthestructuralinformationbetweenthetemplates,modelinginaccuratechangesoftargetappearance,leadingtoalowtrackingaccuracy.What’smore,sincethelowresolutionimageblockwith1215wasadoptedtobalancethetr

5、ackingspeedandtrackingeffect,itwasdifficulttoobtainsufficientinformationtorepresentthetarget.TosolvetheproblemoftheL1trackingalgorithm,avisualtrackingmethodbasedononlinelow-ranksparserepresentationwasproposed.Firstly,inordertotakeadvantageoftheabilitytorepresenttargetappearancechangesofPrinci

6、palComponentAnalysis(PCA)basisvectorandtakeocclusionintoaccount,thePCAbasisvectortemplatewasusedtodescribetargetappearancechanges,andtheocclusionandotherabnormalnoiseweremodeledwiththetrivialtemplate.Therefore,thecandidatetargetwasrepresentedasalinearcombinationofPCAbasistemplatesandtrivialte

7、mplates.Secondly,fortheoptimizationproblemofobjectrepresentationmodel,alow-rankandL1,1regularizationconstraintwereaddedonthePCAbasistemplatecoefficientsandaL1,1regularizationconstraintonthetrivialtemplatecoefficients,thustheInexactAugmentedLa