基于稀疏稠密结构表示与在线鲁棒字典学习的视觉跟踪

来源：电子与信息学报杂志2015年第3期北京时间：

作者：袁广林, 薛模根

摘要：L1跟踪对适度的遮挡具有鲁棒性，但是存在速度慢和易产生模型漂移的不足。为了解决上述两个问题，该文首先提出一种基于稀疏稠密结构的鲁棒表示模型。该模型对目标模板系数和小模板系数分别进行L2范数和L1范数正则化增强了对离群模板的鲁棒性。为了提高目标跟踪速度，基于块坐标优化原理，用岭回归和软阈值操作建立了该模型的快速算法。其次，为降低模型漂移的发生，该文提出一种在线鲁棒的字典学习算法用于模板更新。在粒子滤波框架下，用该表示模型和字典学习算法实现了鲁棒快速的跟踪方法。在多个具有挑战性的图像序列上的实验结果表明：与现有跟踪方法相比，所提跟踪方法具有较优的跟踪性能。

关键词：视觉跟踪, 稀疏表示, 稠密表示, 字典学习

基金资助：国家自然科学基金(61175035, 61379105)资助课题