特征在线更新与加权的压缩跟踪算法

来源：信号处理杂志 2017年第4期北京时间：

作者：封万里, 岑翼刚, 王艳红, 岑翼, 梁列全

摘要：在目标跟踪中，针对目标外观改变使得目标丢失的问题，本文提出了特征在线更新与加权的压缩跟踪(compressive tracking, CT)算法。首先基于压缩感知理论提取目标的矩形特征，根据每个特征对当前帧目标的分类效果判定其可靠性，及时更新不可靠特征；其次，实时增加可靠特征在分类器中的权重，从而突出可靠特征的重要性；最后将加权候选样本特征输入贝叶斯分类器，得到下一帧的目标位置。选取八组视频序列测试改进算法的效果，结果表明与传统的压缩跟踪，局部敏感直方图跟踪( locality sensitive histograms tracking, LSHT)及在线自适应增强( online AdaBoost, OAB)算法相比，改进算法取得了更好的跟踪结果，并且在目标外观改变时依然跟踪准确，平均帧速为39fps，满足实时性要求。

关键词：压缩感知, 目标跟踪, 外观改变, 在线特征更新, 加权特征