基于稀疏表示的实时视觉跟踪
计算机视觉与模式识别
2010-12-14 v1
摘要
ℓ1 跟踪器通过 ℓ1 范数最小化寻求跟踪对象的稀疏表示来获得鲁棒性。然而，ℓ1 跟踪器所涉及的高计算复杂度限制了其在实时处理场景中的进一步应用。因此，我们利用压缩感知的信号恢复能力，提出了一种实时压缩感知跟踪算法。采用降维和定制的正交匹配追踪算法来加速压缩感知跟踪。因此，我们的算法实现了比 ℓ1 跟踪器快高达 6000 倍的实时速度。同时，与现有的 ℓ1 跟踪器相比，RTCST 仍然具有有竞争力（有时甚至更优）的跟踪精度。此外，对于固定相机，通过集成基于压缩感知的背景模型，设计了一种进一步改进的跟踪器。这种配备 CSBM 的跟踪器被称为 RTCST-B，在精度和鲁棒性方面均优于大多数现有技术。最后，我们在各种视频序列上的实验结果，通过一种新的度量标准——跟踪成功概率进行了验证，显示了所提出算法的优越性。
引用
@article{arxiv.1012.2603,
title = {Real-time Visual Tracking Using Sparse Representation},
author = {Hanxi Li and Chunhua Shen and Qinfeng Shi},
journal= {arXiv preprint arXiv:1012.2603},
year = {2010}
}
备注
14 pages