基于方差估计的快速稀疏表示目标跟踪算法研究

于立君，王 辉，原 新

（哈尔滨工程大学 自动化学院，黑龙江 哈尔滨 150001）

视频目标跟踪技术[1-3]是计算机视觉领域中重要的研究方向之一，在军事、民用等领域有着广泛的应用，例如人机交互、室外监控、机器人视觉等方面。但是其相似度的测量往往不准确[4]，这是由于在复杂场景中的遮挡、光照、复杂运动等因素的影响所造成的，因此研究精度高而且鲁棒性好的目标跟踪方法仍是一项重要任务。

最近几年，受到人脸识别中成功应用稀疏表示分类算法（SRC）[5-7]的启发，稀疏表示也逐渐应用在目标跟踪中，如Mei[8]等人首次在目标跟踪中提出L1范数跟踪器中应用SRC 算法，其主要思想是把稀疏表示分类应用到粒子滤波状态估计后的候选目标中，通过最小重构误差去识别跟踪目标。Bai[9]等人提出一种在线监督学习的稀疏表示跟踪算法，将线性分类器嵌入到稀疏表示的过程中，提高目标跟踪算法的区分能力。Wei Zhong[10]等提出一种基于生成和判决模型的协作式稀疏表示算法，此方法利用全局信息与局部信息方法的优点，能够有效减缓目标漂移与目标遮挡问题。上述方法虽然对图像目标变化和遮挡情况等外界干扰因素具有很好的鲁棒性，但却无法保证跟踪算法的实时性，这主要是因为在粒子滤波阶段需要大量粒子来近似表示目标以及在稀疏表示阶段L1范数最小化求解复杂等问题。

鉴于此，本文从这两方面进行改进，首先在运动估计阶段应用方差估计优化采样粒子的分布[11]，减少粒子的使用个数；……