基于在線魯棒判別式字典學(xué)習(xí)的視覺跟蹤

1、基于在線魯棒判別式字典學(xué)習(xí)的視覺跟蹤基于在線魯棒判別式字典學(xué)習(xí)的視覺跟蹤視覺跟蹤是計算機(jī)視覺領(lǐng)域的一個重要研究內(nèi)容，其目的是利用序列圖像估算目標(biāo)的狀態(tài)參數(shù)。視覺跟蹤在視頻監(jiān)控和人機(jī)交互等方面具有廣闊的應(yīng)用前景。目前，雖然研究者已經(jīng)提出一些視覺跟蹤方法，但是現(xiàn)有跟蹤方法仍然面臨復(fù)雜背景、目標(biāo)變化和目標(biāo)遮擋等難題[1]。2009年，Mei和Ling[2]首次提出基于稀疏表示的視覺跟蹤方法，又稱“L1跟蹤”。L1跟蹤用目標(biāo)模板和小模板的組合表

2、示候選目標(biāo)，以重構(gòu)誤差作為觀測似然跟蹤目標(biāo)。L1跟蹤對目標(biāo)遮擋具有較強的魯棒性，但是L1跟蹤對目標(biāo)模板的要求較高，當(dāng)模板中引入離群數(shù)據(jù)時，會導(dǎo)致跟蹤失敗。為了保證目標(biāo)模板的正確性，文獻(xiàn)[34]提出用小模板系數(shù)檢測目標(biāo)遮擋，并根據(jù)檢測結(jié)果更新目標(biāo)模板。文獻(xiàn)[5]利用小模板系數(shù)重建跟蹤結(jié)果，并利用增量主分量分析更新目標(biāo)模板。文獻(xiàn)[35]中模板更新方法的問題在于，由于小模板也能表示背景[5]，這會導(dǎo)致遮擋檢測失敗或者重建圖像不準(zhǔn)確。隨著對L1

3、跟蹤研究的深入，研究者逐漸認(rèn)識到模板字典在視覺跟蹤中的重要作用。為了提升L1跟蹤對復(fù)雜背景下目標(biāo)跟蹤魯棒性，文獻(xiàn)[6]提出用多個特征視圖建立目標(biāo)模板字典。文獻(xiàn)[7]提出建立多壽命模板字典跟蹤目標(biāo)，并將目標(biāo)模板更新等價為在線字典學(xué)習(xí)問題，從而保證了對目標(biāo)表觀變化的適應(yīng)性。文獻(xiàn)[8]利用非負(fù)灰度字典設(shè)計目標(biāo)模板，并提出在線魯棒的非負(fù)字典學(xué)習(xí)算法用于模板更新，L2損失函數(shù)相比，L1損失函數(shù)具有對離群數(shù)據(jù)魯棒的優(yōu)點。因此，模型式⑴用L1范數(shù)作為

4、損失函數(shù)能夠降低遮擋信息等離群數(shù)據(jù)對目標(biāo)模板的影響，從而克服模型漂移。模型式⑴不但考慮了模板字典對目標(biāo)樣本的重建能力，還兼顧了模板字典對背景樣本的辨別能力，這通過最小化背景樣本在模板字典D上的投影得到。2在線魯棒判別式字典學(xué)習(xí)算法求解式⑴的在線魯棒判別式字典學(xué)習(xí)算法包括數(shù)據(jù)采樣、編碼系數(shù)求解和在線字典更新三步驟。2.1數(shù)據(jù)采樣根據(jù)至t時刻的跟蹤結(jié)果，采樣n個圖像塊作為正例樣本；在以t時刻跟蹤結(jié)果目標(biāo)中心c為圓心的環(huán)形區(qū)域內(nèi)隨機(jī)采樣n個圖

5、像塊作為負(fù)例樣本。2.2編碼系數(shù)求解假設(shè)tn時刻的目標(biāo)模板字典為。采用迭代加權(quán)最小二乘法[10]（IterativeReweightedLeastSquares，IRLS）求解（i=1，…，n）。采用嶺回歸求解（i=1，…，n）。2.3在線字典更新在線字典更新的目標(biāo)是已知編碼系數(shù)和求解字典Dr。假設(shè)在t時刻進(jìn)行第T次模板更新，則在線字典更新也就是求解優(yōu)化問題式⑵其中，是樣本個數(shù)。由文獻(xiàn)[10]可知，采用塊坐標(biāo)共軛梯度下降算法逐行求解式⑶