基于方向向量和稀疏表示的运动目标跟踪方法研究

摘要

目前利用稀疏表示对运动目标进行跟踪的方法,通常都只关注于利用不同的目标外观特征对最优化公式进行求解。而运动目标的方向特征则往往被忽略。方向向量能够在某种程度上描述运动目标的运动趋势,这对跟踪运动目标存在一定的意义。本文提出了贝叶斯运动估计框架下的基于方向的跟踪算法,利用方向向量弥补了稀疏表示中候选粒子不足的问题,惩罚部分候选粒子,并通过改进的学习方法对模板进行更新。通过与方向向量对应的像素点,我们补偿初始化粒子,并设置权值以增加对应粒子的概率、降低其他粒子被选为最佳粒子的可能性。所提方法充分考虑了目标的运动特征并避免了漂移现象的产生。