基于子区域匹配的稀疏表示跟踪算法

发布时间：2018-04-26 22:20

  本文选题：稀疏表示 + 观测模型　； 参考：《计算机工程与应用》2017年09期

【摘要】：经典稀疏表示目标跟踪算法在处理复杂视频时不免出现跟踪不稳定情况且当目标发生遮挡时易发生漂移现象。针对这一问题,提出一种基于子区域匹配的稀疏表示跟踪算法。首先,将初始目标模板划分为若干子区域,利用LK图像配准算法建立观测模型预测下一帧目标运动状态。然后,对预测的目标模型区域进行同等划分,并在匹配过程中寻找最优子区域。最后,在模板更新过程中引入一种新的模板校正机制,能够有效克服漂移现象。将该算法与多种目标跟踪算法在不同视频序列下进行对比,实验结果表明在目标发生遮挡、运动、光照影响及复杂背景等情况下该算法具有较为理想的跟踪效果,并与经典稀疏表示跟踪算法相比具有较好的跟踪性能。
[Abstract]:The classical sparse representation target tracking algorithm can not avoid the instability of the complex video and easy to drift when the target occlude. In this problem, a sparse representation tracking algorithm based on subregion matching is proposed. First, the initial target template is divided into several subregions and the LK image registration is used. An observation model is established to predict the motion state of the next frame of the next frame. Then, the predicted target model area is divided equally and the optimal subregion is found in the matching process. Finally, a new template correction mechanism is introduced in the process of template updating, which can effectively overcome the drift phenomenon. Compared with the video sequence, the experimental results show that the algorithm has an ideal tracking effect in the case of target occlusion, motion, illumination and complex background, and has better tracking performance compared with the classical sparse representation tracking algorithm.

【作者单位】： 辽宁工程技术大学软件学院;
【基金】：国家自然科学基金(No.61172144) 辽宁省科技攻关计划项目(No.2012216026)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期

3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期

4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期

5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期

7 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期

8 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期

9 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期

10 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期

相关会议论文 前1条

1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

相关博士学位论文 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

3 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

4 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

5 程广涛;基于压缩感知的人脸识别方法研究[D];天津大学;2015年

6 黄丹丹;基于稀疏表示的视觉目标跟踪方法研究[D];大连理工大学;2016年

7 赵淑欢;欠完备采样环境下面向数据的稀疏表示人脸识别研究[D];燕山大学;2016年

8 刘海仓;基于稀疏表示的图像超分辨率与目标跟踪方法研究[D];湖南大学;2015年

9 项凤涛;基于稀疏表示与优化的图像信息处理方法及应用[D];国防科学技术大学;2014年

10 刘兆栋;基于稀疏表示理论的图像去噪与融合算法研究[D];重庆大学;2016年

相关硕士学位论文 前10条

1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

2 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

3 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

4 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

5 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

6 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

7 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

8 梁晓捷;基于网络摄像头与稀疏表示分类法的实时人脸识别系统应用研究[D];五邑大学;2015年

9 陈蒙;基于稀疏表示特征的人脸识别方法研究[D];深圳大学;2015年

10 袁文;基于稀疏表示的行人检测方法研究[D];南京理工大学;2015年

，

本文编号：1807936