科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于受到局部遮挡、光照变化以及复杂背景等因素的影响，目标跟踪在实际应用中仍是一个具有挑战性的任务。为了更好地解决在出现剧烈表观变化时目标表示效果不佳的问题，提出一种基于核的非线性目标特征表示方法，以获得目标特征在高维空间的特征表示。首先对一组目标基础字典样本的特征进行投影得到基础学习字典。在此基础上，获取目标的扩展字典学习样本，进行字典学习样本的特征投影得到基于核的扩展字典，用来表示目标的各种表观变化。最后在稀疏约束下利用基础字典和扩展字典中原子的线性组合进行目标候选块的近似表示。在挑战性的数据集中进行跟踪算法的性能测试与对比，实验结果表明提出的跟踪器性能优于当前一些流行的跟踪器。
- 单位
