一种融合多级稀疏表达和度量学习的目标跟踪方法
CSTR:
作者:
作者单位:

中南大学信息科学与工程学院,长沙410083.

作者简介:

彭梦

通讯作者:

中图分类号:

TP391

基金项目:

国家自然科学基金重大研究计划重点项目(90820302);国家自然科学基金青年项目(61403423, 61403426).


A traget tracking method combining multi-level sparse representation and metric learning
Author:
Affiliation:

School of Information Science and Engineering,Central South University,Changsha 410083,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    基于稀疏表达的跟踪方法通常采用基于固定阈值的模板更新策略, 很难适应不断变化的目标外形; 其次, 稀疏表达缺乏描述目标流行结构的能力, 区分背景和目标的能力差. 针对基于固定阈值的模板更新策略的不足, 提出一种多级分层的目标模板字典. 为了改善对背景和目标的区分能力, 提出一种融合多级稀疏表达和度量学习的目标跟踪方法. 实验结果表明了所提出的方法能有效提高跟踪的鲁棒性和精度.

    Abstract:

    Traget tracking methods based on the sparse representation mostly apply a template update strategy based on the fixed threshold which is difficult to adapt to the changing shape of target. In addition, sparse representation is inadequate in capturing the manifold structures hidden in target samples. A template update strategy based on the multi-level hierarchical dictionary is proposed according to drawbacks of the template update strategy based on the fixed threshold. A tracking method combining multi-level sparse representation and metric learning is proposed in order to improve the ability to distinguish between background and targets. Experimental results show that the proposed method can improve the tracking accuracy and robustness effectively.

    参考文献
    相似文献
    引证文献
引用本文

彭梦 蔡自兴 陈白帆.一种融合多级稀疏表达和度量学习的目标跟踪方法[J].控制与决策,2015,30(10):1791-1796

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-07-06
  • 最后修改日期:2014-12-25
  • 录用日期:
  • 在线发布日期: 2015-10-20
  • 出版日期:
文章二维码