基于非负正则化多重局部编码的视觉跟踪

本文提出了一种基于近似局部约束线性编码（LLC）的新型目标跟踪方法。与在编码系数上使用非负约束以保证这些元素非负不同，本文在近似LLC中用常规的$\ell_2$范数正则化项替代非负约束，以获得类似的非负效果。并且我们在理论分析中提供了详细充分的解释，以阐明这种替换的合理性。不同于指定固定的K近邻来构建局部字典，我们选择了一系列具有预定义近邻数的不同字典。这些不同字典的权重也在类似框架中从近似LLC学习得到。为了缓解跟踪漂移，我们提出了一种简单高效的遮挡检测方法。遮挡检测准则主要依赖于是否选择了负模板来表示严重遮挡的目标。在多个具有挑战性的序列上的定性和定量评估表明，与其他最先进（state-of-the-art）方法相比，所提出的跟踪算法取得了良好的性能。