稀疏性约束下基于反馈更新的目标跟踪

摘要

为了提高目标跟踪算法在目标被严重遮挡、环境光照剧烈变化等复杂场景下的跟踪性能,该文提出了一种基于目标特征模板集稀疏分解的跟踪算法。首先,该算法利用目标的灰度特征以及像素级的局部特征构造特征空间,并保存该特征空间下的目标特征模板集合,作为稀疏性约束下的基向量集合;其次,在粒子滤波跟踪框架下,利用目标候选者在当前特征模板集下的稀疏分解系数,提出了一种观测模型;最后,提出一种在环境光照变化、目标被严重遮挡等复杂场景下均有较好鲁棒性的反馈式在线更新策略。在已标定的公开数据集上的大量实验结果表明:与其他几个优秀的跟踪算法相比,该算法在上述复杂场景下可以成功地对目标实现精确跟踪。