本文選題：非負(fù)矩陣分解　切入點(diǎn)：稀疏約束　出處：《計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)》2017年09期 　論文類型：期刊論文

【摘要】：針對(duì)目標(biāo)跟蹤在遮擋和尺度變化等復(fù)雜背景下跟蹤性能下降問題,聯(lián)合稀疏約束、時(shí)間平滑約束以及增量投影非負(fù)矩陣分解,提出一種在線目標(biāo)跟蹤算法.首先利用非負(fù)矩陣分解學(xué)習(xí)一個(gè)基于部分表示的子空間,在此基礎(chǔ)上添加稀疏約束提高處理遮擋能力,添加時(shí)間平滑約束提高算法的穩(wěn)定性;然后用增量方式完成子空間的在線更新,減少算法計(jì)算量、提高外觀模型更新效率;最后在粒子濾波框架下,以重構(gòu)誤差為基礎(chǔ)改進(jìn)了觀測(cè)似然函數(shù),將具有最大后驗(yàn)概率的候選目標(biāo)作為目標(biāo)在當(dāng)前幀的圖像區(qū)域.實(shí)驗(yàn)結(jié)果表明,在各種含有遮擋和尺度變化的視頻中,該算法可以更穩(wěn)定地跟蹤目標(biāo).
[Abstract]:Aiming at the degradation of tracking performance in complex background such as occlusion and scale variation, the tracking performance of target tracking is reduced by combining sparse constraint, time smoothing constraint and incremental projection nonnegative matrix decomposition. An online target tracking algorithm is proposed. Firstly, a subspace based on partial representation is studied by using non-negative matrix decomposition. On this basis, sparse constraints are added to improve the ability of processing occlusion, and time smoothing constraints are added to improve the stability of the algorithm. Then the on-line updating of subspace is accomplished by incremental method, which reduces the computational cost and improves the efficiency of appearance model updating. Finally, based on the reconstruction error, the observational likelihood function is improved under the framework of particle filter. The candidate target with the maximum posterior probability is used as the target in the image region of the current frame. The experimental results show that the algorithm can track the target more stably in all kinds of video with occlusion and scale variation.
【作者單位】： 安徽大學(xué)計(jì)算智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室;安徽大學(xué)媒體計(jì)算研究所;
【基金】：國家自然科學(xué)基金(61372137,61301295) 安徽省自然科學(xué)基金(1308085QF100,1408085MF113) 安徽大學(xué)信息保障技術(shù)協(xié)同創(chuàng)新中心開放課題(ADXXBZ201411);安徽大學(xué)博士科研啟動(dòng)基金
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐泰燕;郝玉龍;;非負(fù)矩陣分解及其應(yīng)用現(xiàn)狀分析[J];武漢工業(yè)學(xué)院學(xué)報(bào);2010年01期

2 何光輝;張?zhí)?;保持拓?fù)湫苑秦?fù)矩陣分解法在人臉識(shí)別的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2010年14期

3 史加榮;焦李成;尚凡華;;不完全非負(fù)矩陣分解的加速算法[J];電子學(xué)報(bào);2011年02期

4 王文俊;張軍英;;一種非負(fù)矩陣分解的快速方法[J];計(jì)算機(jī)工程與應(yīng)用;2009年25期

5 張雷鳴;李秋丹;廖勝才;;非負(fù)矩陣分解在標(biāo)簽語義分析中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2010年04期

6 于彬;;基于局部非負(fù)矩陣分解的人臉識(shí)別[J];科學(xué)技術(shù)與工程;2010年33期

7 宋金歌;楊景;陳平;佘玉梅;;一種非負(fù)矩陣分解的快速稀疏算法[J];云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

8 高燕燕;;非負(fù)矩陣分解及其應(yīng)用探討[J];硅谷;2011年23期

9 郝紅;徐常青;張新平;;基于非負(fù)矩陣分解的航拍圖像信息提取[J];浙江農(nóng)林大學(xué)學(xué)報(bào);2012年01期

10 吳榮玉;樊豐;舒建;;基于非負(fù)矩陣分解的魯棒哈希函數(shù)驗(yàn)證性研究[J];電子技術(shù)應(yīng)用;2012年01期

相關(guān)會(huì)議論文 前5條

1 蔣永鍇;葉東毅;;基于稀疏非負(fù)矩陣分解的自動(dòng)多文摘方法[A];中國計(jì)算機(jī)語言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

2 馬帥;吳飛;楊易;邵健;;基于稀疏非負(fù)矩陣分解的圖像檢索[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

3 蔡蕾;朱永生;;基于稀疏性非負(fù)矩陣分解和支持向量機(jī)的軸心軌跡圖識(shí)別[A];2008年全國振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

4 楊寶;朱啟兵;黃敏;;基于非負(fù)矩陣分解一稀疏表示分類的玻璃缺陷圖像識(shí)別[A];第24屆中國控制與決策會(huì)議論文集[C];2012年

5 朱昊;黃源水;付夢(mèng)印;;基于NMF的道路識(shí)別算法在野外環(huán)境感知中的應(yīng)用[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

相關(guān)博士學(xué)位論文 前9條

1 葉軍;基于正則化方法的非負(fù)矩陣分解算法及其應(yīng)用研究[D];南京理工大學(xué);2014年

2 陸玉武;圖像分類中流形回歸與非負(fù)矩陣分解研究[D];哈爾濱工業(yè)大學(xué);2015年

3 張恩德;在線社會(huì)網(wǎng)絡(luò)分析與挖掘若干關(guān)鍵問題研究[D];東北大學(xué);2014年

4 胡俐蕊;非負(fù)矩陣分解方法及其在選票圖像識(shí)別中的應(yīng)用[D];安徽大學(xué);2013年

5 殷海青;圖像分析中的非負(fù)矩陣分解理論及其最優(yōu)化和正則化方法研究[D];西安電子科技大學(xué);2011年

6 楊洪禮;非負(fù)矩陣與張量分解及其應(yīng)用[D];山東科技大學(xué);2011年

7 史加榮;多尺度張量逼近及應(yīng)用[D];西安電子科技大學(xué);2012年

8 方蔚濤;人臉識(shí)別特征抽取算法的研究[D];重慶大學(xué);2012年

9 劉昱昊;基于非負(fù)矩陣分解算法的人臉識(shí)別技術(shù)的研究[D];吉林大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 項(xiàng)磊;基于乳腺癌計(jì)算機(jī)輔助診斷的病理圖像分析[D];南京信息工程大學(xué);2015年

2 趙龍;基于多流形正則化非負(fù)矩陣分解的多視圖聚類[D];大連理工大學(xué);2015年

3 黃震;基于多視角非負(fù)矩陣分解的同名區(qū)分算法研究[D];大連理工大學(xué);2015年

4 邵強(qiáng);改進(jìn)的非負(fù)矩陣分解算法及其在人臉識(shí)別中的應(yīng)用[D];河北工業(yè)大學(xué);2015年

5 周昊一;基于sigmoid函數(shù)變換的非負(fù)矩陣分解方法研究及其在推薦系統(tǒng)中的應(yīng)用[D];南京大學(xué);2015年

6 劉欣泉;基于迭代支撐探測(cè)的稀疏非負(fù)矩陣算法及其在人臉識(shí)別上的應(yīng)用[D];電子科技大學(xué);2015年

7 范笑宇;非負(fù)矩陣分解及其在非均衡數(shù)據(jù)分類中的應(yīng)用[D];西安電子科技大學(xué);2014年

8 陶士昌;約束非負(fù)矩陣分解與增量形式算法研究[D];西安電子科技大學(xué);2014年

9 楊宏偉;基于非負(fù)矩陣分解的人臉識(shí)別研究[D];西北師范大學(xué);2015年

10 姜小燕;基于非負(fù)矩陣分解的圖像分類算法研究[D];遼寧工業(yè)大學(xué);2016年

，

本文編號(hào)：1627028