论文部分内容阅读
稀疏表示在目标跟踪中已取得了良好的跟踪效果,但过完备词典模式单一、数据庞大,稀疏系数需用复杂的优化算法求解,会限制此类算法的跟踪性能提高。因此,本文在粒子滤波框架下,提出了一种基于多模态词典的目标跟踪算法。首先,创建长、短周期的正样本模板,结合负样本模板共同构成多模态词典,用以表征采样目标当前状态;其次,根据样本与词典之间的多模态相关系数,对目标进行粗跟踪,得到候选跟踪结果;最后,利用Local Maximal Occurrence(LOMO)特征构建候选跟踪目标与多模态词典的观测似然函数,取具有最