Visual tracking based on the sparse representation of the PCA subspace

在线阅读 下载PDF 导出详情
摘要 我们构造稀少的表示和subspace表示的一个合作模型。首先,我们代表追踪在原则部件分析(PCA)指向subspace,然后我们采用L1规则化限制剩余学期的稀少,限制表示系数的稀少的一个L2规则化学期,并且限制在重建和目标之间的距离的一个L2标准。然后,我们在粒子过滤器框架实现算法。而且,一个反复的方法被介绍得到剩余和系数的全球最小。最后,一个其他的模板更改计划被采用避免被不精密的更改引起的追踪的飘移。在实验,我们在9个序列上测试算法,并且把结果与5个state-of-art方法作比较。根据结果,我们能断定我们的算法比另外的方法更柔韧。
机构地区 不详
出版日期 2017年05月15日(中国期刊网平台首次上网日期,不代表论文的发表时间)
  • 相关文献