摘要
为提高在线学习目标跟踪的实时性和准确率,结合压缩感知理论,提出一种将距离度量学习(DML)运用到目标跟踪的算法。首先,根据所选定的目标位置分别提取目标和背景样本集,运用随机投影理论对样本的Harr-like特征进行压缩;然后,用压缩后的低维特征向量集训练度量矩阵;最后,在新的一帧中抽取目标和背景的样本,用训练得到的度量矩阵计算已知目标和样本间的Mahalanobis距离,距离最小的样本的位置就是所要跟踪的目标的位置。对不同视频序列的测试结果表明,用压缩特征表示目标,使特征计算的计算量压缩到原来的1/4,减少了特征计算的时间;用训练后的度量矩阵计算目标位置,即跟踪器能够根据目标的不断变化自适应调整参数,提高了跟踪的准确率。
- 单位