TA的每日心情 | 慵懒
2020-8-28 15:16 |
|---|
签到天数: 1 天 [LV.1]初来乍到
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要: 目标编码系数的稀疏性使得 L1 跟踪成为解决遮挡目标跟踪的有效方法之一,但是现有稀疏编码算法 没有利用 L1 跟踪中编码系数的特殊稀疏结构. 本文基于目标模板系数稀疏度约束要求和小模板系数的空间连续性 结构,利用块坐标优化原理提出一种两阶段稀疏编码算法用于视觉跟踪. 在第一阶段,该算法利用正交匹配追踪求解 具有约束稀疏度的目标模板系数,在第二阶段,该算法利用动态组稀疏编码求解具有空间连续性的小模板系数. 在粒 子滤波框架下,利用提出的稀疏编码算法实现了鲁棒的视觉跟踪. 实验结果表明本文提出的跟踪方法比现有跟踪方 法具有更强的鲁棒性和较高的跟踪精度.
+ f6 ~% | r# ~ U: O3 h! g" }' A5 Y- n* h. N
6 j7 x, `* A0 G! Y8 n5 Y V
6 {$ ?- O: z% k% l; _2 K3 z
关键词: L1 跟踪; 稀疏编码; 约束稀疏度; 空间连续性结构
( M! l" S5 @) M; e% c5 s6 z5 Q. J0 `0 `8 [) ^8 a
: @5 c0 B c" n4 y# U6 O; `/ ?( k- U% @: E* c' r H
视觉跟踪是计算机视觉中的基本问题之一,其目 的是利用图像序列估计目标的状态参数. 视觉跟踪在 运动分析、视频监控、车辆导航和人机交互等方面具有 重要的应用价值. 尽管视觉跟踪领域中的研究者已经 提出了一些跟踪方法[1 ~ 3] ,但是鲁棒快速的视觉跟踪方 法还没有解决. 视觉跟踪面临着目标遮挡、目标变化、 复杂背景和快速性要求等难题,它仍然是计算机视觉 领域研究的热点之一.
0 y% p% a8 S$ @1 ^6 ]
4 ^: U1 N1 D6 d4 N0 \! r) K+ z w7 o1 p( }/ T1 i
附件下载：7 S- @) G; P* [* s
|
|
/1 
发表于 2021-4-22 11:14
收藏
淘帖
支持！
反对！