|本期目录/Table of Contents|

[1]包晓安,陈磊,万微祥,等.基于局部稀疏表示的模板匹配跟踪算法研究[J].浙江理工大学学报,2018,39-40(自科1):82-89.
　BAO Xiaoan,CHEN Lei,WAN Weixiang,et al.Research on template matching tracking algorithm based on local sparse representation[J].Journal of Zhejiang Sci-Tech University,2018,39-40(自科1):82-89.
点击复制

基于局部稀疏表示的模板匹配跟踪算法研究()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第39-40卷
期数:
2018年自科1期
页码:
82-89
栏目:
出版日期:
2017-12-31

文章信息/Info

Title:
Research on template matching tracking algorithm based on local sparse representation
文章编号:
1673-3851 (2018) 01-0082-08
作者:
包晓安; 陈磊; 万微祥; 张俊为; 桂江生
浙江理工大学 信息学院，杭州 310018
Author(s):
BAO Xiaoan;  CHEN Lei;  WAN Weixiang;  ZHANG Junwei;  GUI Jiangsheng
School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
目标跟踪; 模板匹配算法; 目标跟踪偏移; 自动修正
分类号:
TP391.4
文献标志码:
A
摘要:
在目标跟踪过程中，局部稀疏表示跟踪算法(LSRTA)在目标被遮挡面积过大、运动过快或形变量过大等情况下，跟踪过程中会发生目标偏移现象。针对这个问题，在LSRTA算法基础上，融入surf、flann和knn相结合的模板匹配算法，提出了基于局部稀疏表示模板匹配算法(LSRTMTA)以解决目标跟踪偏移问题。在LSRTA算法跟踪过程中，通过不断地计算新模板与当前模板的匹配值来判断是否发生偏移。当目标发生偏移时，停止LSRTA算法的跟踪，通过模板与帧图像之间匹配来重新确定目标位置；当确定目标位置后，再次进行LSRTA算法的跟踪。实验结果表明：该算法不仅保留了LSRTA算法的优点，还具有自动修正目标偏移的功能，改善了跟踪效果，增强了目标跟踪过程的容错性。

参考文献/References:

［1］ 李博,张凌.基于视觉显著性的监控视频动态目标跟踪［J］.信息技术,2014(4):60-65.
［2］ 李霞.基于MeanShift算法的目标跟踪技术研究［J］.自动化与仪器仪表,2016(4):20-22.
［3］ 同鑫,熊红凯.基于均值漂移的视频目标跟踪改进算法［J］.信息技术,2010(3):40-43.
［4］ 李晶,范九伦.一种基于卡尔曼滤波的运动物体跟踪算法［J］.计算机应用研究,2010,27(8):3162-3164.
［5］ 张明杰,康宝生.一种基于图模型的粒子滤波跟踪方法［J］.计算机应用研究,2016,33(2):590-593.
［6］ 胡昭华,徐玉伟,赵孝磊,等.基于支持向量机的多特征选择目标跟踪［J］.应用科学学报,2015,33(5):502-517.
［7］ Kalal Z, Mikolajczyk K, Matas J. Trackinglearningdetection［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence,2012,34(7):1409-1422.
［8］ Ross D A, Lim J, Lin R S, et al. Incremental learning for robust visual tracking［J］. International Journal of Computer Vision,2008,77(1):125-141.
［9］ 孙涛,谷士文,费耀平.基于PCA算法的人脸识别方法研究比较［J］.现代电子技术,2007,30(1):112-114.
［10］ Mei X, Ling H. Robust visual tracking using l1 minimization［C］//Proceedings of the IEEE International  Conference on Computer Vision (ICCV09),2009:1436-1443.

备注/Memo

备注/Memo:
收稿日期： 2017-07-04
网络出版日期： 2017-11-09
基金项目： 国家自然科学基金项目（61379036，61502430）
作者简介： 包晓安 (1973－)，男，浙江金华人，教授，主要从事软件工程、智能信息处理方面的研究
通信作者： 桂江生，E-mail:jsgui@zstu.edu.cn
更新日期/Last Update: 2018-03-13