摘要:针对稀疏原型跟踪方法中未考虑正交模板系数的密集性的问题,本文提出一种L1-L2范数联合约束的鲁棒目标跟踪。首先,该方法建立基于L1-L2范数联合约束的目标表示模型,对PCA基模板系数和琐碎模板系数分别进行L2范数和L1范数正则化约束,不仅提高了跟踪的准确性,而且保证了对目标遮挡的鲁棒性;其次,针对目标表示模型的优化问题,运用岭回归和软阈值收缩方法快速迭代求解PCA基模板系数和琐碎模板系数;最后以粒子滤波为框架,利用目标未被遮挡部分的重构误差和稀疏噪声项建立观测模型,并结合提出的L1-L2范数联合约束的算法实现目标跟踪。实验结果表明,与5个现有的跟踪算法相比,本文的跟踪算法具有更好的准确性和鲁棒性。
关键词:pca基向量 目标跟踪 l2范数 l1范数
单位:南京航空航天大学航天学院 南京210016
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Cell Research International Journal of Minerals Metallurgy and Materials Journal of Thermal Science Chinese Journal of Oceanology and Limnology International Journal of Oral Science Journal of Tropical Meteorology World Journal of Gastroenterology Asian Journal of Andrology Rare Metals Journal of Materials Science Technology