1. 程式人生 > >基於稀疏表示的多目標跟蹤基本流程(文獻分析)

基於稀疏表示的多目標跟蹤基本流程(文獻分析)

      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.