目前使用的很多紅外目標(biāo)跟蹤系統(tǒng)在目標(biāo)背景復(fù)雜、目標(biāo)形體較小、目標(biāo)受到遮擋等情況下會(huì)發(fā)生目標(biāo)丟失現(xiàn)象,針對(duì)這一問題,在粒子濾波框架下,提出了一種基于矩陣S1/2范數(shù)的紅外目標(biāo)跟蹤算法。首先,圍繞上一幀被跟蹤目標(biāo)的狀態(tài)對(duì)當(dāng)前幀目標(biāo)粒子進(jìn)行采樣;然后,將采樣的目標(biāo)粒子進(jìn)行篩選,并將篩選后的粒子整體輸入到基于矩陣S1/2范數(shù)和l1,1范數(shù)聯(lián)合表示的最小化問題模型,并求解其最優(yōu)解;最后,根據(jù)候選目標(biāo)粒子在目標(biāo)字典和背景字典表示下系數(shù)的差異確定最優(yōu)目標(biāo)粒子,即為當(dāng)前幀跟蹤結(jié)果。實(shí)驗(yàn)結(jié)果表明,相比經(jīng)典的類似目標(biāo)跟蹤算法,該算法能夠?qū)?fù)雜背景、目標(biāo)形體弱小、目標(biāo)受到遮擋等多種情況下的紅外目標(biāo)進(jìn)行有效跟蹤,并具有更強(qiáng)的魯棒性和更好的時(shí)效性。 

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 粒子濾波
2 目標(biāo)跟蹤模型構(gòu)建
3 跟蹤模型求解
4 實(shí)驗(yàn)與分析
    4.1 跟蹤結(jié)果評(píng)估標(biāo)準(zhǔn)
    4.2 實(shí)驗(yàn)參數(shù)設(shè)定
    4.3 實(shí)驗(yàn)跟蹤效果
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于S1/2建模的穩(wěn)健稀疏–低秩矩陣分解[J]. 饒過,彭毅,徐宗本.  中國科學(xué):信息科學(xué). 2013(06)
[2]L1/2 regularization[J]. XU ZongBen 1 , ZHANG Hai 1,2 , WANG Yao 1 , CHANG XiangYu 1 ＆ LIANG Yong 3 1 Institute of Information and System Science, Xi’an Jiaotong University, Xi’an 710049, China;2 Department of Mathematics, Northwest University, Xi’an 710069, China;3 University of Science and Technology, Macau 999078, China.  Science China（Information Sciences）. 2010(06)



本文編號(hào)：3715444