基于局部敏感核稀疏表示的视频跟踪

kajchild

摘 要：为了解决 A 1 范数约束下的稀疏表示判别信息不足的问题，该文提出基于局部敏感核稀疏表示的视频目标
跟踪算法。为了提高目标的线性可分性，首先将候选目标的 SIFT 特征通过高斯核函数映射到高维核空间，然后在
高维核空间中求解局部敏感约束下的核稀疏表示，将核稀疏表示经过多尺度最大值池化得到候选目标的表示，最后
- y" z  J* ]" D% {9 B* q将候选目标的表示代入在线的 SVMs，选择分类器得分最大的候选目标作为目标的跟踪位置。实验结果表明，由于
, I# M% n9 |- R6 p利用了核稀疏表示下数据的局部性信息，使得算法的鲁棒性得到一定程度的提高。
. G- i; V/ z' s  }7 F" _; M关键词：视频跟踪；核稀疏表示；局部敏感约束；支持向量机
1 引言
" `# W# R4 F% Z: x$ ?视频目标跟踪是计算机视觉领域的基础问题之
一[1]，广泛应用于视频监控、机器人导航、人机交互
: W' i% ~/ a1 O: ]* {0 q% r和精确制导等领域，是各种后续高级处理，如目标
% s* N. G- F$ R/ C' ?% W9 g0 K识别、行为分析、视频图像压缩编码和应用理解等
高层视频处理和应用的基础。跟踪面临的挑战从内
# u$ [# u3 M: x# G$ U: F外两个方面来说包括目标内部变化和外界变化，其
7 Z2 d6 u' R1 q; C" d) ~; ?, ~+ x中目标内部变化包括旋转、尺度变化和形变等，外
8 J9 n: I" Q6 E6 A. w$ O' F界变化包括光照变化、遮挡和噪声等。由于目标自
  }0 ?& w, x& E/ a" X% {$ {4 H
2 b, i4 Y: M! K  j5 u, Q$ ?- N1 u( H


: e1 \  W3 L* x9 O9 H& C
附件下载：

游客，如果您要查看本帖隐藏内容请回复

: E5 Y1 L8 k  R- m% F5 S8 I3 n3 t
' Z& i9 T9 K- R5 A0 C

Blah

谢谢分享