基于笛卡尔乘积字典的稀疏编码跟踪算法-论文.pdf

基于笛卡尔乘积字典的稀疏编码跟踪算法-论文.pdf

ID:57924395

大小:1023.82 KB

页数:6页

时间:2020-04-14

基于笛卡尔乘积字典的稀疏编码跟踪算法-论文.pdf_第1页
基于笛卡尔乘积字典的稀疏编码跟踪算法-论文.pdf_第2页
基于笛卡尔乘积字典的稀疏编码跟踪算法-论文.pdf_第3页
基于笛卡尔乘积字典的稀疏编码跟踪算法-论文.pdf_第4页
基于笛卡尔乘积字典的稀疏编码跟踪算法-论文.pdf_第5页
资源描述:

《基于笛卡尔乘积字典的稀疏编码跟踪算法-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第37卷第3期电子与信息学报V01.37No.32015年3月JournalofElectronics&InformationTechnologyMar.2015基于笛卡尔乘积字典的稀疏编码跟踪算法黄宏图毕笃彦查宇飞高山覃兵(空军工程大学航空航天工程学院西安710038)摘要:为了提高基于稀疏编码的视频目标跟踪算法的鲁棒性,该文将原始稀疏编码问题分解为两个子稀疏编码问题,在大大增加字典原子个数的同时,降低了稀疏性求解过程的计算量。并且为了减少范数最小化的计算次数,利用基于岭回归的重构误差先对候选目标进行粗估计,而后选取重构误差较小的若干个粒子求解其在两个子字典下的稀疏表示,最后将目

2、标的高维稀疏表示代入事先训练好的分类器,选取分类器响应最大的候选位置作为目标的跟踪位置。实验结果表明由于笛卡尔乘积字典的应用使得算法的鲁棒性得到一定程度的提高。关键词:计算机视觉;视频跟踪;笛卡尔乘积;稀疏编码;支持向量回归机:岭回归中图分类号:TP391文献标识码:A文章编号:10095896(2015)03.0516.06D0I:1O.11999/JEIT140931SparseCodingVisualTrackingBasedontheCartesianProductofCodebookHuangHong--tuBiDu—·yanZhaYu-—feiGaoShanQinBin

3、g(AeronauticsandAstronauticsEngineeringCollege,AirForceEngineeringUniversity,Xi’an710038,China)Abstract:Inordertoimprovetherobustnessofthevisualtrackingalgorithmbasedonsparsecoding,theoriginalsparsecodingproblemisdecomposedintotwosubsparsecodingproblems.Andthesizeofthecodebookisintensivelyincr

4、easedwhilethecomputationalcostisdecreased.Furthermore,inordertodecreasethenumberofthe】一normminimization,ridgeregressionisemployedtoexcludetheintensiveoutlyingparticlesviathereconstructionerror.Andthesparserepresentationoftheparticleswithsmallreconstructionerroriscomputedonthetwosubcodebooks.Th

5、ehigh—dimensionsparserepresentationisputintotheclassifierandthecandidatewiththebiggestresponseisrecognizedasthetarget.TheexperimentresultsdemonstratethattherobustnessoftheproposedalgorithmisimprovedduetotheemployedCartesianproductofsubcodebooks.Keywords:Computervision;Visualtracking;Cartesianp

6、roduct;Sparsecoding;Supportvectormachineregression;Ridgeregression1引言稀疏编码广泛应用于人脸识别、图像超分辨率重建、图像去噪和恢复、背景建模、图像分类等计视频目标跟踪技术是计算机视觉领域的关键问算机视觉领域[3】0得益于稀疏表示在人脸识别【】领域题之一【l】,广泛应用于视频监控、机器人导航、人机的成功应用,很多学者将其应用到视频目标跟踪[5】'交互和精确制导等领域。跟踪面临的挑战从内外两可以分为基于稀疏编码重构误差的生成式模型和基个方面来说包括目标内部变化和外界变化,其中目于稀疏编码的判别式模型。无论是生成式模型还

7、是标内部变化包括目标姿态变化、形变和尺度变化等,判别式模型都需要首先求解目标在字典下的稀疏表外界变化包括噪声、光照变化和遮挡等。为了处理示,其中稀疏性求解过程为范数最小化问题,此上述变化,一个好的目标模型需要满足以下两个条类算法有同伦法、正交匹配追踪法、梯度投影法、件:对于目标自身变化的自适应性和对于外界变化迭代收缩阈值法、基追踪法和内点法等[6】0而这些算的鲁棒性【2】o法的时间复杂度一般较高,尤其是当字典的维数较高时,严重制约了跟踪算法的实时性。而理论研究2014

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。