多特征联合的稀疏跟踪方法

？针对目标跟踪中单一特征描述目标能力较弱的情况，提出一种多种特征联合的稀疏表示跟踪方法。在粒子滤波框架下，首先，提取目标模板和候选粒子的多种特征并对其进行核化处理；然后，用字典模板对各候选粒子进行联合稀疏表示，采用可核化的加速近端梯度(kapg)方法求解稀疏系数并实现候选粒子的重构；最后，将具有最小重构误差的粒子作为跟踪结果。跟踪过程中，利用子空间学习的方法实现目标模板的更新。实验结果表明，与现有跟踪算法相比，该算法提高了跟踪精度，并在目标存在遮挡、光照变化、运动突变等情况时，均可以取得较好的跟踪效果。