基于低秩稀疏表示的加权增量目标跟踪算法

摘要

现实中目标物体所处背景往往受到遮挡、光照变化等复杂环境的影响,容易导致跟踪漂移.为提高目标跟踪的精确度,以加权增量主成分分析算法为模板更新机制,提出一种新的目标跟踪算法.通过主成分分析基向量模板和平方模板对变化的目标外观进行线性表示,把目标跟踪问题视为低秩稀疏优化问题,求解低秩稀疏解,得到候选目标重构系数,将基于重构误差后验概率最小的跟踪目标作为当前跟踪结果,并在增量主成分分析算法更新基向量模板过程中,对每个跟踪目标进行加权,从而有效抑制低质量目标样本的影响.实验结果表明,与增量视觉跟踪算法、最小软阈值跟踪算法等相比,该算法在复杂环境的目标跟踪中具有较好的鲁棒性.