论文部分内容阅读
为了实现快速稳定的L1 稀疏跟踪, 提出一种基于记忆梯度追踪的优化稀疏表示目标跟踪算法. 首先采用整合后的分块协方差特征对目标外观建模, 构建出更有效的适于稀疏跟踪框架的观测模型, 结合模板更新策略可提高对复杂场景干扰和漂移模板的鲁棒性; 然后采用更低计算成本的自适应比例无迹变化方法近似协方差特征,将流形空间特征相似度量转为欧氏空间度量; 最后利用快速记忆梯度追踪方法重构信号性快速稳定的优点减少L1 目标跟踪算法稀疏系数的重建时间, 计算目标的稀疏解. 在各种场景下与5 种算法比较的实验结果表明, 该算法