本文關(guān)鍵詞：基于兩階段稀疏表示的穩(wěn)健快速視覺跟蹤　出處：《光學(xué)學(xué)報》2016年12期 　論文類型：期刊論文

  更多相關(guān)文章： 機器視覺 目標(biāo)跟蹤 兩階段稀疏表示 粒子濾波

【摘要】：L1跟蹤對局部遮擋具有較好的穩(wěn)健性,但存在對模板中的離群信息比較敏感和計算速度慢的問題。針對這兩個問題,提出了兩階段稀疏表示模型,并基于塊坐標(biāo)優(yōu)化原理設(shè)計了相應(yīng)的快速求解算法。在第一階段,該算法利用局部約束線性編碼,求解目標(biāo)模板表示系數(shù),在第二階段,該算法利用軟閾值操作,求解小模板表示系數(shù)。以粒子濾波為跟蹤方法,結(jié)合提出的模型和算法實現(xiàn)了穩(wěn)健快速的視覺跟蹤。利用標(biāo)準(zhǔn)圖像序列對提出的方法進(jìn)行了驗證,實驗結(jié)果表明,提出的跟蹤方法在穩(wěn)健性和跟蹤速度方面均優(yōu)于現(xiàn)有跟蹤方法。
[Abstract]:L1 tracking is robust to partial occlusion, but the existence of outliers in the template information is sensitive and slow calculation problems. To solve these two problems, this paper puts forward two stage sparse representation model, and the optimization principle of fast block coordinates corresponding algorithms based on the design. In the first stage, the algorithm uses local constraints linear encoding, solve the target template coefficient in the second stage, the algorithm uses soft threshold operation for small template coefficients. Tracking method using particle filter, combined with the proposed model and algorithm to achieve a steady and rapid visual tracking. By using the standard image sequence is used to verify the proposed method, the experimental results show that the proposed tracking method is superior in robustness and tracking speed of the existing tracking methods.

【作者單位】： 陸軍軍官學(xué)院偏振光成像探測技術(shù)安徽省重點實驗室;陸軍軍官學(xué)院十一系;
【基金】：國家自然科學(xué)基金(61175035,61379105)
【分類號】：TP391.41
【正文快照】： 視覺跟蹤是在給定目標(biāo)初始狀態(tài)的情況下,通過視頻圖像序列決定目標(biāo)當(dāng)前狀態(tài)的過程,其廣泛應(yīng)用于行人跟蹤,車流量監(jiān)控和自動駕駛等方面。近年來,隨著研究的深入,視覺跟蹤領(lǐng)域雖然取得了豐碩的研究成果,但是目標(biāo)的外觀變化,遮擋以及背景干擾等問題仍然是目前研究的難點。受文獻(xiàn)[

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識別[J];計算機工程與設(shè)計;2012年05期

5 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 耿耀君;張軍英;袁細(xì)國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測度[J];模式識別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機工程與應(yīng)用;2013年05期

9 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

相關(guān)會議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進(jìn)展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號：1378130