文件名称：论文研究-样本分块稀疏表示判决式目标跟踪.pdf
文件大小：2.35MB
文件格式：PDF
更新时间：2022-08-11 16:24:40
粒子滤波,样本分块,稀疏表示,分类器
为了提高目标跟踪算法的鲁棒性和准确性，提出了一种粒子滤波框架下的样本分块稀疏表示判决式跟踪算法。算法在首帧提取目标模板和背景模板，并将这些模板进行分块，构建模板字典。然后将候选目标进行分块处理，并使用模板字典稀疏重构候选目标分块，从而获得候选目标的稀疏系数和残差，进而构建一款贝叶斯分类器。分类器的输入为候选目标稀疏系数和残差中提取的相似度信息，输出为候选目标与真实目标的相似度。分类器通过跟踪过程中获得的正负样本进行训练，使之能够适应目标和背景的变化。最后，将所提算法在八组具有挑战性的视频中进行测试，平均跟踪误差为5.9个像素，跟踪成功率为89%。与选取的三种先进的算法比较，所提算法具有更高的鲁棒性和准确性。