[发明专利]一种基于稀疏判别学习的目标跟踪方法有效
| 申请号： | 201610519851.6 | 申请日： | 2016-07-01 |
| 公开（公告）号： | CN106203495B | 公开（公告）日： | 2020-03-17 |
| 发明（设计）人： | 詹瑾;肖政宏 | 申请（专利权）人： | 广东技术师范学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 郝传鑫;熊永强 |
| 地址： | 510665 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于稀疏判别学习的目标跟踪方法，包括：对第一帧采样目标及其周围背景，构建目标外观模型；提取目标外观模型的二维图像特征并进行归一化处理，获得初始字典；引入有监督的判别字典学习方法，在重构误差项的基础上增加分类误差项，训练出判别字典；在稀疏度约束下求解最小重构误差项，采用迭代交换优化策略更新字典和稀疏编码；采用欧氏距离来度量样本之间的相似性，将相似性最高的样本作为跟踪目标。通过本发明实施例，在建立目标外观模型时，加入了与目标有空间相关性的周围背景作为线索模板，处理目标姿态变化比较鲁棒。 | ||
| 搜索关键词： | 一种 基于 稀疏 判别 学习 目标 跟踪 方法 | ||
【主权项】：
一种基于稀疏判别学习的目标跟踪方法，其特征在于，包括：构建目标外观模型；对构建的目标外观模型通过特征提取将二维图像块变成一维向量进行处理，并且对所述一维向量进行归一化处理；在目前跟踪中引入基于有监督的判别字典学习方法，在重构误差项的基础上增加分类误差项；在稀疏度约束下求解最小重构误差项，采用迭代交换优化策略更新字典和稀疏编码；采用欧氏距离来度量向量之间的相似性，将相似性最高的样本作为候选跟踪目标。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东技术师范学院，未经广东技术师范学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610519851.6/，转载请声明来源钻瓜专利网。
