基于冗余字典的多特征压缩感知目标跟踪算法

被引：4

作者：

朱甦 ^{[1
,2
]}

薄煜明 ^{[1
]}

何亮 ^{[1
]}

机构：

[1] 南京理工大学自动化学院

[2] 南京理工大学紫金学院电子信息与光电技术学院

来源：

兵工学报 | 2017年 / 38卷 / 06期

关键词：

信息处理技术; 冗余字典; 压缩感知; 粒子滤波; 目标跟踪;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对多特征压缩感知算法中,要求信号稀疏表示的基是一个正交矩阵的问题,提出了提取红外与可见光的多特征目标构造冗余字典子空间下的稀疏表示,分析了压缩感知算法中感知矩阵的选择和稀疏信号的重构。根据对信号稀疏表示的重构,提出粒子滤波框架下基于冗余字典的多特征压缩感知跟踪方法,能够自动检测复杂场景中出现的动态目标。实验结果表明,与其他经典算法相比,该算法在光照变化、相似外形的干扰目标遮挡等复杂场景中具有更好的鲁棒性及实时性。

引用

页码：1140 / 1146

页数：7

共 10 条

[1] 分块多特征目标描述子的移动机器人目标跟踪 [J].

王丽佳 ;

贾松敏 ;

李秀智 ;

卢迎彬 .

控制与决策, 2016, 31 (02) :337-342

[2] 一种红外和可见光双通道视频目标跟踪方法 [J].

赵高鹏 ;

薄煜明 ;

尹明锋 .

电子与信息学报, 2012, 34 (03) :529-534

[3] 多特征提取的红外和可见光目标跟踪方法 [J].

赵高鹏 ;

薄煜明 ;

陈益 .

兵工学报, 2011, 32 (04) :445-451

[4]

Development of a vision-based ground target detection and tracking system for a small unmanned helicopter.[J].LUM Kai-Yew;CHEN Ben M.;LEE Tong H.;.Science in China(Series F:Information Sciences).2009, 11

[5]

Accelerated multi-feature based compressive sensing tracking.[J].Liang He;Yuming Bo;Gaopeng Zhao.Infrared Physics and Technology.2015,

[6] IVF3: exploiting intensity variation function for high-performance pedestrian tracking in forward-looking infrared imagery [J].

Lamberti, Fabrizio ;

Sanna, Andrea ;

Paravati, Gianluca ;

Belluccini, Luca .

OPTICAL ENGINEERING, 2014, 53 (02)

[7] Robust visual tracking base on adaptively multi-feature fusion and particle filter [J].

Dou, Jian-fang ;

Li, Jian-xun .

OPTIK, 2014, 125 (05) :1680-1686

[8]

Compressed sensing with coherent and redundant dictionaries.[J].Emmanuel J. Candès;Yonina C. Eldar;Deanna Needell;Paige Randall.Applied and Computational Harmonic Analysis.2010, 1

[9]

An adaptive color-based particle filter.[J].Katja Nummiaro;Esther Koller-Meier;Luc Van Gool.Image and Vision Computing.2002, 1

[10]

目标探测与识别技术.[M].张合;江小华.北京理工大学出版社.2015,

← 1 →