计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
8期
364-367,426
,共5页
王梦%敬忠良%金博%秦彦源
王夢%敬忠良%金博%秦彥源
왕몽%경충량%금박%진언원
稀疏表达%多任务学习%冗余模板
稀疏錶達%多任務學習%冗餘模闆
희소표체%다임무학습%용여모판
Sparse representation%Multi-task learning%Trivial templates
针对视频目标跟踪过程中,目标遮挡往往导致跟踪失败的问题,提出了一种基于稀疏表达和多任务学习的目标跟踪算法.将求解粒子稀疏表达的过程看作是一个多任务学习问题,在求解稀疏表达系数时将目标系数矩阵和冗余系数矩阵分开求解.由于粒子选择目标模板的相似性,选择用l1,∞范数对目标系数矩阵进行约束以获得组群稀疏特性;由于遮挡出现位置的随机性,选择用l1.1范数对冗余系数矩阵进行约束以获得元素稀疏特性.最后采用ADMM优化算法对复合约束模型进行优化.复合约束模型不仅考虑了粒子之间的相关性,同时能够更准确地重构随机出现的遮挡,降低了遮挡对于跟踪器识别目标造成的干扰实验.结果证明,基于复合约束的目标跟踪算法对于遮挡问题具有良好的鲁棒性,同时具有较高的跟踪精度和速度.
針對視頻目標跟蹤過程中,目標遮擋往往導緻跟蹤失敗的問題,提齣瞭一種基于稀疏錶達和多任務學習的目標跟蹤算法.將求解粒子稀疏錶達的過程看作是一箇多任務學習問題,在求解稀疏錶達繫數時將目標繫數矩陣和冗餘繫數矩陣分開求解.由于粒子選擇目標模闆的相似性,選擇用l1,∞範數對目標繫數矩陣進行約束以穫得組群稀疏特性;由于遮擋齣現位置的隨機性,選擇用l1.1範數對冗餘繫數矩陣進行約束以穫得元素稀疏特性.最後採用ADMM優化算法對複閤約束模型進行優化.複閤約束模型不僅攷慮瞭粒子之間的相關性,同時能夠更準確地重構隨機齣現的遮擋,降低瞭遮擋對于跟蹤器識彆目標造成的榦擾實驗.結果證明,基于複閤約束的目標跟蹤算法對于遮擋問題具有良好的魯棒性,同時具有較高的跟蹤精度和速度.
침대시빈목표근종과정중,목표차당왕왕도치근종실패적문제,제출료일충기우희소표체화다임무학습적목표근종산법.장구해입자희소표체적과정간작시일개다임무학습문제,재구해희소표체계수시장목표계수구진화용여계수구진분개구해.유우입자선택목표모판적상사성,선택용l1,∞범수대목표계수구진진행약속이획득조군희소특성;유우차당출현위치적수궤성,선택용l1.1범수대용여계수구진진행약속이획득원소희소특성.최후채용ADMM우화산법대복합약속모형진행우화.복합약속모형불부고필료입자지간적상관성,동시능구경준학지중구수궤출현적차당,강저료차당대우근종기식별목표조성적간우실험.결과증명,기우복합약속적목표근종산법대우차당문제구유량호적로봉성,동시구유교고적근종정도화속도.
