论文研究基于稀疏表示和特征选择的LK目标跟踪.pdf

为了实现复杂场景中的视觉跟踪，提出了一种以LK（Lucas-Kanade）图像配准算法为框架，基于稀疏表示的在线特征选择机制。在视频序列的每一帧，筛选出一些能够很好区分目标及其相邻背景的特征，从而降低干扰对跟踪的影响。该算法分别构造前景字典和背景字典，前景字典来自于第一帧的手动标定，并随着跟踪结果不断更新，而背景字典则在每一帧重新构造。同时，一种新的字典更新策略不仅能有效应对目标的外观变化，而且通过特征选择机制，能避免在更新过程中引入干扰，从而克服了漂移现象。大量的实验结果表明，该算法能有效应对视角变化、光照变化以及大面积的局部遮挡等挑战。