基於稀疏表示的多目標跟蹤基本流程(文獻分析)
阿新 • • 發佈:2019-01-26
大家好,最近教研室的朋友們紛紛開博,作為定時上交週報以及月報的我,獨樂樂不如眾樂樂。以此不定時上傳跟大家分享一下。由於本人教研室工作較忙,除了文獻方法研究還要做工程專案,學習應用其他程式語言,你懂的。。請原諒我經常採用截圖的方式上傳自己的檔案,作為成電的一名研究生,在此拋磚引玉,歡迎各路高手多多指點!
基本操作:
目標檢測:使用背景減除
特徵提取:把目標區域上下分成兩個RGB直方圖。
判別相似外觀的物體:使用位置資訊
模式分類:用上文稀疏表示的方法。但問題在於目標重疊時難以區分其是否為新加入目標。
新目標的識別: x中xi的佔比越接近於0說明其是新目標的可能性越高。
模板集線上更新:逐幀更新A的列,並有如下幾個約束操作:
1)為避免身份轉換,初始檢測物體取樣總是存在資料集裡。
2)通過初始取樣時使用小幅高斯噪聲擾動,實現模板集初始化
3)某一類的模板從最近的模板中分享相同的位置資訊。
基本原理:
參考文獻:LuW, Bai C, Kpalma K, et al. Multi-object tracking using sparse representation[J]. 2013, 32(3):2312-2316.