基于HOG特征及稀疏外观模型的目标跟踪

刘天池

摘要：提出一种基于HOG特征结合稀疏外观模型（HOG-SPAM）的目标跟踪算法。提取目标模版和候选目标的HOG特征，HOG特征对图像的几何形变、光照以及阴影变化具有较强的鲁棒性；使用提取的HOG特征构建目标的稀疏外观模型，稀疏外观模型对目标外观变化具有鲁棒性，采用对齐汇聚方法度量候选目标与目标之间的相似性。在多个基准图像序列中，与已有流行方法相比，HOG-SPAM算法在目标外观变化和光照变化情况下有较好的鲁棒性，同时在复杂背景情况下也具有一定鲁棒性。

关键词：稀疏表示；HOG特征；稀疏外观模型

DOIDOI：10.11907/rjdk.161559

中图分类号：TP301文献标识码：A文章编号：1672-7800（2016）006-0013-03

参考文献：

[1]AVIDAN S. Ensemble tracking[J].Pattern Analysis and Machine Intelligence，2007， 29（2）： 261-271.

[2]COLLINS R T， LIU Y， LEORDEANU M.Online selection of discriminative tracking features[J].Pattern Analysis and Machine Intelligence，2005， 27（10）： 1631-1643.

[3]GRABNER H， GRABNER M， BISCHOF H.Real-time tracking via on-line boosting[C].BMVC，2006：6.

[4]GRABNER H， LEISTNER C， BISCHOF H.Semi-supervised on-line boosting for robust tracking[M].Computer Vision-ECCV 2008.Springer Berlin Heidelberg， 2008： 234-247.

[5]BABENKO B， YANG M H， BELONGIE S.Visual tracking with online multiple instance learning[C].Computer Vision and Pattern Recognition， 2009.CVPR 2009.IEEE Conference on.IEEE， 2009： 983-990.

[6]KALAL Z， MATAS J， MIKOLAJCZYK K.PN learning：bootstrapping binary classifiers by structural constraints[C].Computer Vision and Pattern Recognition （CVPR）， 2010 IEEE Conference on.IEEE， 2010： 49-56.

[7]ROSS D A， LIM J， LIN R S， et al.Incremental learning for robust visual tracking[J].International Journal of Computer Vision， 2008， 77（1-3）： 125-141.

[8]KWON J， LEE K M.Visual tracking decomposition[C].Computer Vision and Pattern Recognition （CVPR）， 2010 IEEE Conference on.IEEE， 2010： 1269-1276.

[9]YANG M， WU Y， HUA G.Context-aware visual tracking[J].Pattern Analysis and Machine Intelligence， IEEE Transactions on， 2009， 31（7）： 1195-1209.

[10]MEI X， LING H.Robust visual tracking using L-1 minimization[C].Computer Vision， 2009 IEEE 12th International Conference on.IEEE， 2009： 1436-1443.

[11]MEI X， LING H， WU Y， et al.Minimum error bounded efficient L1 tracker with occlusion detection[C].Computer Vision and Pattern Recognition （CVPR）， 2011 IEEE Conference on.IEEE， 2011： 1257-1264.

[12]LIU B， YANG L， HUANG J， et al.Robust and fast collaborative tracking with two stage sparse optimization[M].Computer Vision–ECCV 2010.Springer Berlin Heidelberg， 2010： 624-637.

[13]LIU B， HUANG J， YANG L， et al.Robust tracking using local sparse appearance model and k-selection[C].Computer Vision and Pattern Recognition （CVPR）， 2011 IEEE Conference on.IEEE， 2011： 1313-1320.

[14]JIA X， LU H， YANG M H.Visual tracking via adaptive structural local sparse appearance model[C].Computer vision and pattern recognition （CVPR）， 2012 IEEE Conference on. IEEE， 2012： 1822-1829.

[15]ZHANG T， LIU S， XU C， et al. Structural sparse tracking[C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015： 150-158.

[16]ZHONG W， LU H， YANG M H. Robust object tracking via sparsity-based collaborative model[C].IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society， 2012：1838-1845.