| 基于l1/2正则化的稀疏表示目标跟踪算法的研究 |
| |
| 引用本文： | 贲敏,邓萍,王保云.基于l1/2正则化的稀疏表示目标跟踪算法的研究[J].计算机技术与发展,2015(1). |
| |
| 作者姓名： | 贲敏 邓萍 王保云 |
| |
| 作者单位： | 南京邮电大学 自动化学院,江苏 南京,210023 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 近年来目标的稀疏表示已经广泛应用到视频跟踪中。文中提出了一种基于局部稀疏表示的鲁棒目标跟踪算法,目标的表示将局部信息考虑在内,并且做出了遮挡处理。为了在新的帧中跟踪到目标,每一个候选目标通过在线构建的过完备字典以及模板解l1/2最小化问题稀疏表示。文中用l1/2规范最小化来代替l0,而不是用l1规范最小化,通过解l1/2最小化问题,可以找到比解l1最小化更稀疏、更精确的解。此外,l1/2比l0更容易求解。目标稀疏表示后,通过在线学习的分类器将目标区分出来。实验结果表明,与现有的一些算法相比,该算法稳定性好,性能更优越。
|
| 关 键 词： | 视频跟踪 稀疏表示 过完备字典 l1/2最小化 分类器 |
Research on Object Tracking Algorithm of Sparse Representation Based on l1/2 Normalization |
| |
| BEN Min,DENG Ping,WANG Bao-yun.Research on Object Tracking Algorithm of Sparse Representation Based on l1/2 Normalization[J].Computer Technology and Development,2015(1). |
| |
| Authors: | BEN Min DENG Ping WANG Bao-yun |
| |
| Abstract: | |
| |
| Keywords: | video tracking sparse representation over-complete dictionary l1/2-norm minimization classifier |
| 本文献已被 万方数据 等数据库收录！ |
|
