公开(公告)号：CN105931273B

公开(公告)日：2019-01-25

申请号：CN201610299342.7

申请日：2016-05-04

Applicant: 江南大学

Inventor： 蒋敏 ,  沈剑宇 ,  孔军 ,  陈志义 ,  黄顺所 ,  柳晨华 ,  成静

IPC: G06T7/269 ,  G06T7/277

Abstract: 本发明公开了一种基于L0正则化的局部稀疏表示目标跟踪方法，与传统L1目标跟踪方法不同，本发明提出将L0范数与结构化局部稀疏外观模型相结合，充分利用稀疏编码，更好地区别跟踪过程中的目标和背景，并且在对目标进行建模时使用琐碎模板对局部遮挡等干扰进行建模，进一步提高了算法在跟踪过程中对噪声干扰的鲁棒性。为使目标模型在跟踪过程中更好地应对目标外观的不断变化，本发明通过构建目标模板集，在跟踪过程中采用L0范数对目标重构并采用概率性策略将重构结果替换模板集中某一模板，实现模板动态更新，进一步提高了算法稳定性。针对基于L0范数约束的目标函数优化求解的NP问题，本发明采用APG算法实现了有效求解。

公开(公告)号：CN105931273A

公开(公告)日：2016-09-07

申请号：CN201610299342.7

申请日：2016-05-04

Applicant: 江南大学

Inventor： 蒋敏 ,  沈剑宇 ,  孔军 ,  陈志义 ,  黄顺所 ,  柳晨华 ,  成静

IPC: G06T7/20

CPC classification number: G06T2207/20076

Abstract: 本发明公开了一种基于L0正则化的局部稀疏表示目标跟踪方法，与传统L1目标跟踪方法不同，本发明提出将L0范数与结构化局部稀疏外观模型相结合，充分利用稀疏编码，更好地区别跟踪过程中的目标和背景，并且在对目标进行建模时使用琐碎模板对局部遮挡等干扰进行建模，进一步提高了算法在跟踪过程中对噪声干扰的鲁棒性。为使目标模型在跟踪过程中更好地应对目标外观的不断变化，本发明通过构建目标模板集，在跟踪过程中采用L0范数对目标重构并采用概率性策略将重构结果替换模板集中某一模板，实现模板动态更新，进一步提高了算法稳定性。针对基于L0范数约束的目标函数优化求解的NP问题，本发明采用APG算法实现了有效求解。