基于梯度纹理特征的稀疏跟踪方法

摘要 现有大多稀疏跟踪方法往往采用基于灰度信息的特征描述目标，但灰度特征一般无法处理目标的旋转、姿态变化等问题.针对此问题，本文采用一种新的基于平均曲率和高斯曲率的梯度纹理特征的稀疏跟踪方法.梯度纹理特征具有旋转不变性，能很好地解决图像的旋转以及光照变化等问题.在粒子滤波框架下，提取目标模板和候选粒子的梯度纹理特征，用字典模板对每个候选粒子进行稀疏表示，求解稀疏系数并实现重构，将具有最小重构误差的粒子作为跟踪结果.同时采用增量子空间学习的方法对模板进行更新，有效抑制跟踪漂移并能处理目标遮挡问题.与现有跟踪器的大量对比实验表明，本文算法在各种挑战因素下有明显优势