根據(jù)局部稀疏表示的特點(diǎn),文章提出了一種基于局部稀疏表示的目標(biāo)跟蹤算法,該算法利用圖像的局部稀疏系數(shù)作為訓(xùn)練樣本,在貝葉斯分類器的框架下完成跟蹤任務(wù)。首先,使用字典來(lái)提取局部圖像塊的稀疏系數(shù),作為圖像特征;然后通過訓(xùn)練簡(jiǎn)單的貝葉斯分類器來(lái)區(qū)分目標(biāo)與背景;最后使用兩步搜索策略對(duì)目標(biāo)進(jìn)行準(zhǔn)確跟蹤;此外,該算法還使用了一種能夠去除遮擋干擾的魯棒性更新策略。對(duì)比實(shí)驗(yàn)結(jié)果表明,該算法具有較為穩(wěn)定的跟蹤效果。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖5.6在FiFA數(shù)據(jù)集上的一些檢測(cè)結(jié)果示例，左邊的3幅圖像是查詢圖像

5基于深度學(xué)習(xí)的顯著性目標(biāo)檢測(cè)博士學(xué)位論文74圖5.6在FiFA數(shù)據(jù)集上的一些檢測(cè)結(jié)果示例，左邊的3幅圖像是查詢圖像。對(duì)每個(gè)查詢圖像，上面一行是原始的含有該人臉的輸入圖像，下面一行顯示的是對(duì)應(yīng)檢測(cè)輸出的熱圖像。（二）在David1和Face1序列上的實(shí)驗(yàn)David1序列由于具有下....

圖1正、負(fù)樣本的稀疏直方圖表示圖距離；Ti是模板稀疏編碼直方圖第i階變量；Hi如果相似度很高，在一定程度上支持當(dāng)前幀背景為

第11期田鵬等：基于局部差別性分析的目標(biāo)跟蹤算法2637圖1正、負(fù)樣本的稀疏直方圖表示圖距離；Ti是模板稀疏編碼直方圖第i階變量；Hi是候選目標(biāo)模板稀疏編碼直方圖第i階變量；C是稀疏直方圖總階數(shù)。2.2.2相似性和差異性相結(jié)合的相似性測(cè)量目標(biāo)跟蹤中，由于圖像質(zhì)量，劇烈運(yùn)動(dòng)、遮擋或....

圖１算法原理?ｎ）表示分塊ｉ的樣本模板；ｄ為分塊像素點(diǎn)展開的列向

取得了魯棒的跟蹤效果［１３－１５，１８］。該算法使用模板稀疏表示目標(biāo)的整體外觀模型，并根據(jù)最小化ｌ１選取具有最小重構(gòu)誤差的待選樣本作為跟蹤結(jié)果。但是，這類算法僅考慮了目標(biāo)整體的外觀模型，忽略跟蹤目標(biāo)的局部結(jié)構(gòu)信息，因此在利用ｌ１最小化計(jì)算被部分遮擋的待選樣本時(shí)會(huì)產(chǎn)生較大的重構(gòu)誤差....

圖２跟蹤結(jié)果

４．８表２重合度成功率（單位：％）ＢａｓｋｅｔｂａｌｌＤｕｄｅｋＷｏｍａｎＤａｖｉｄ２Ｄａｖｉｄ３Ｌ１２３．５８５．８１６．５５６．９３７．９ＭＩＬ２１．９７０．５１５．４４５．６５３．８ＶＴＤ５８．８７９．９１３．２６８．８４０．６Ｏｕｒｓ５４．８８８．４４０．８６５．３６７．....

本文編號(hào)：3992980