PaFiMoCS：粒子滤波改进压缩感知及其在光照变化下视觉跟踪中的应用
计算机视觉与模式识别
2013-01-09 v1
摘要
我们研究了从受（可能）非高斯噪声污染的非线性观测序列中，跟踪（因果估计）具有变化稀疏模式的时间序列稀疏空间信号以及其他未知状态的问题。在许多应用中，特别是视觉跟踪中，未知状态可分解为低维部分（如全局运动）和空间信号（如光照或形状形变）。空间信号通常在某个域中被很好地建模为稀疏的。对于长序列，其稀疏模式会随时间变化，尽管这种变化通常是缓慢的。为解决上述问题，我们提出了一种名为粒子滤波改进压缩感知 (PaFiMoCS) 的新颖解决方案。PaFiMoCS 的核心思想是对低维状态向量进行重要性采样，同时用受缓慢稀疏模式变化约束的后验模式跟踪取代重要性采样，以恢复稀疏空间信号。我们表明，跟踪跨越空间变化光照变化的运动物体是上述问题的一个实例，并解释了如何为此设计 PaFiMoCS。在模拟数据以及具有显著光照变化的真实视频上的实验表明，所提算法优于现有的基于粒子滤波的跟踪算法。
引用
@article{arxiv.1301.1374,
title = {PaFiMoCS: Particle Filtered Modified-CS and Applications in Visual Tracking across Illumination Change},
author = {R. Sarkar and S. Das and N. Vaswani},
journal= {arXiv preprint arXiv:1301.1374},
year = {2013}
}