基于局部敏感核稀疏表示的视频跟踪

kajchild

摘 要：为了解决 A 1 范数约束下的稀疏表示判别信息不足的问题，该文提出基于局部敏感核稀疏表示的视频目标
) J' R# ^3 H; {- @8 e跟踪算法。为了提高目标的线性可分性，首先将候选目标的 SIFT 特征通过高斯核函数映射到高维核空间，然后在
/ L$ M. {) B/ ?) T3 M& c$ p* F高维核空间中求解局部敏感约束下的核稀疏表示，将核稀疏表示经过多尺度最大值池化得到候选目标的表示，最后
将候选目标的表示代入在线的 SVMs，选择分类器得分最大的候选目标作为目标的跟踪位置。实验结果表明，由于
利用了核稀疏表示下数据的局部性信息，使得算法的鲁棒性得到一定程度的提高。
关键词：视频跟踪；核稀疏表示；局部敏感约束；支持向量机
6 u) U6 d( y3 f, _! w5 r1 S1 引言
视频目标跟踪是计算机视觉领域的基础问题之
一[1]，广泛应用于视频监控、机器人导航、人机交互
7 G/ k7 \) [. D# V, E2 k和精确制导等领域，是各种后续高级处理，如目标
识别、行为分析、视频图像压缩编码和应用理解等
3 |' x7 i" V( G  X  t' B  f. L高层视频处理和应用的基础。跟踪面临的挑战从内
外两个方面来说包括目标内部变化和外界变化，其
中目标内部变化包括旋转、尺度变化和形变等，外
# V3 j) d5 `) o- ?9 e! O3 U" a" _界变化包括光照变化、遮挡和噪声等。由于目标自



. I6 v. }" ]% r
; L5 E2 v- O6 `& M$ _- f9 H
/ ~9 ~% N0 {3 \0 ?0 h1 W. u5 v. \( ?附件下载：

游客，如果您要查看本帖隐藏内容请回复

% Z) i3 M: Y& w4 y: p

Blah

谢谢分享