论文部分内容阅读
基于稀疏表示与字典学习的视觉跟踪较好地解决了目标遮挡和表观变化问题,但是其存在模型漂移和复杂背景下鲁棒性差的问题。针对这两个问题,本文利用L1损失函数和最小化背景样本在目标模板上的投影提出一种在线鲁棒判别式字典学习模型,并用块坐标下降设计了该模型的在线学习算法用于L1跟踪模板更新。以粒子滤波为框架,利用提出的字典学习实现了视觉跟踪方法。实验结果表明:本文跟踪方法比现有跟踪方法具有更强的鲁棒性和较高的跟踪精度。