压缩感知跟踪中的特征选择与目标模型更新

目的为了增强压缩感知跟踪算法在复杂场景下的性能,提出一种特征选择与目标模型更新的改进跟踪算法。方法本文算法包含两方面的改进,一是根据特征的正负类条件概率分布的距离选择能有效区分目标与背景的特征;二是根据当前目标与原始目标的差异自适应更新目标外观模型,使得目标遇到较大遮挡或者姿态频繁改变时目标外观模型不会被错误更新。结果对于10个复杂环境下的经典视频序列,基于压缩感知的改进跟踪算法获得平均85.19%的正确跟踪率和平均13.74个像素的跟踪误差效果,在中心误差、成功率和精确度3个指标上均优于最近提出的3个代表性跟踪算法。结论实验结果表明,本文新的特征选择和目标模型更新算法,既增强了压缩感知跟踪算法的鲁棒性,又加快了跟踪速度。