摘要:目标表观变化的处理是视觉跟踪领域极具挑战性的问题,该文针对这一问题,在粒子滤波框架下提出一种高效的基于超像素的L1跟踪方法(SuperPixel-L1 tracker, SPL1)。首先利用具有结构性信息的中层视觉线索(超像素)构造字典来对目标的表观建模;然后求解由粒子表示的候选目标状态的 L1范数最小化,把重构误差最小的候选状态作为跟踪的结果;最后进一步改进了字典的在线更新策略,不论目标发生遮挡与否,字典都被学习更新;为了降低目标发生漂移的可能,更新时保留初始帧的信息。仿真结果验证了SPL1在目标发生长时间遮挡、尺度和光照变化时依然能够稳定地跟踪目标。
关键词:视觉跟踪 在线学习 表观变化 稀疏表示 超像素
单位:东南大学信息科学与工程学院 南京210096
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社