一种基于分数阶微分和多特征联合的稀疏表示跟踪方法

摘要

一种基于分数阶微分和多特征联合的稀疏表示跟踪方法，该方法在粒子滤波的框架下，首先，对目标图像区域进行分块处理，将其按照目标区域的特点，分成9个相关切不等的子块，提取每个子块的灰度特征和HOG特征，联合这两种特征对目标子块进行稀疏表示，并对目标周围的8个相邻区域也进行同样的特征提取和稀疏表示；然后，采用核化加速近邻梯度算法联合求解9个候选粒子的稀疏系数；最后，将不同位置的目标块看成不同类别，利用字典中与候选粒子块具有相同类别的块及表示系数对块进行重构，依据重构误差构建似然函数以确定最佳候选粒子，实现对主体目标及8个辅助的精确跟踪。

主权项

一种基于分数阶微分和多特征联合的稀疏表示跟踪方法，其特征在于包括以下步骤：步骤一，模板初始化，对模板进行分块，根据像素大小将模板区域的分为大小不等的9份子块或大小相同的5份子块，提取灰度和HOG特征；步骤二，对目标区域进行分块，根据像素大小将目标图像区域的分为大小不等的9份子块或大小相同的5份子块，提取灰度和HOG特征并建立模板字典得到候选样本；步骤三，联合稀疏表示，将候选样本即抽样粒子采用与模板字典相同的特征，且其每块用字典中所有块进行稀疏表示；步骤四，基于分数阶微分的目标状态估计，求解各抽样粒子每块的重构误差，根据重构误差最小原则得到当前主体目标及相关辅助目标的跟踪结果，然后，根据目标与辅助目标的相关性，重新构造目标区域；步骤五，模板更新，联合增量子空间学习自适应更新字典模板，如果已到最后一帧，则跟踪结束，否则重复步骤二至步骤五。