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.
: `6 g; c) V1 R! U F7 K: ~
$ ?# _- k) F9 s) [/ A2 b( _; X0 @" e
, C5 O; _/ w6 S" p% R7 k. r
关键词: L1 跟踪; 稀疏编码; 约束稀疏度; 空间连续性结构) y, }# J( b$ N' u
( w$ I2 r4 _) G/ V
3 O/ y# [! v1 R: Y. {$ @$ Z
7 U) s; A4 K! n9 G% a% R) e0 } 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.
- l N( j# ?0 s7 n4 R* N3 B1 D
& R+ @4 l8 G- {7 n! S& l W8 Y: a) W( t
附件下载：
2 W& g# w, p, K0 _ |
|
/1 
发表于 2021-4-22 11:14
收藏
淘帖
支持！
反对！