一种基于稀疏表示的红外目标快速鲁棒跟踪方法

摘要

本发明公开了一种红外目标的快速鲁棒跟踪方法，通过计算L₁范数最小化进行稀疏求解，计算其重构误差得到每个粒子的概率，从而实现目标跟踪。考虑到这种方法由于字典的维数过高，导致求解L₁最小化的过程相当耗时，无法满足算法的实时性，以及灰度特征易受噪声、光照变化和相似物体干扰等影响的问题，本发明在压缩感知的基础上，基于一种随机测量矩阵对Harr‑like特征进行压缩，不但很好的保持了原始图像特征，还具备更好的表示能力。用一种基于压缩感知的特征构造字典，计算量大大减小，同时能够更加有效地表示目标，克服了光照变化、遮挡、尺度变化、目标变形等问题，实现了红外目标的快速鲁棒跟踪。