融合L2范数最小化和压缩Haar-like特征匹配的快速目标跟踪

来源：电子与信息学报杂志2016年第11期北京时间：

作者：吴正平, 杨杰, 崔晓梦, 张庆年

单位：2.(武汉理工大学光纤传感技术国家工程实验室 武汉 430070) ②(三峡大学计算机与信息工程学院 宜昌 443002)

摘要：在贝叶斯推理框架下，基于PCA子空间和L2范数最小化的目标跟踪算法能较好地处理视频场景中多种复杂的外观变化，但在目标出现旋转或姿态变化时易发生跟踪漂移现象。针对这一问题，该文提出一种融合L2范数最小化和压缩Haar-like特征匹配的快速视觉跟踪方法。该方法通过去除规模庞大的方块模板集和简化观测似然度函数降低计算的复杂度；而压缩Haar-like特征匹配技术则增强了算法对目标姿态变化及旋转的鲁棒性。实验结果表明：与目前流行的跟踪方法相比，该方法对严重遮挡、光照突变、快速运动、姿态变化和旋转等干扰均具有较强的鲁棒性，且在多个测试视频上可以达到29帧/s的速度，能满足快速视频跟踪要求。

关键词：目标跟踪, PCA子空间, L2范数最小化, 压缩Haar-like特征, 观测似然度

基金资助：国家自然科学基金(51479159)