梯度特征稀疏表示目标跟踪

传统的压缩感知目标跟踪算法在光照变化剧烈、目标与背景存在一定相似性的情况下容易产生跟踪偏差,故本文提出了一种基于梯度方向直方图特征进行压缩感知跟踪方法。该方法用梯度方向直方图特征替换原来的广义类Haar特征进行压缩感知跟踪。首先,将梯度方向直方图作为原始特征,并利用压缩感知理论得到稀疏表示的特征子空间;然后,在后续帧中用朴素贝叶斯分类器进行目标位置的搜索;最后,对分类器进行在线更新。由于梯度特征能更稳定地表示目标,所以这种跟踪方法具有更好的鲁棒性;另外在计算时采用了积分直方图技术,有效克服了计算量大的问题。对不同视频的实验结果表明,该方法在实验环境Intel Core2 2.93GHz,matlab R2010a,图像大小320×240下,跟踪速率可达到10frame/s。在目标姿态、环境光照变化剧烈,背景中存在与目标有一定相似性的物体等情况下跟踪准确。