结构稀疏跟踪(SST)算法

本文介绍了一种结构稀疏跟踪(SST)算法,该算法结合了全局、局部和联合稀疏外观模型的优点,同时考虑了候选目标内的空间布局结构,增强了跟踪性能。SST算法使用粒子滤波器,通过结构稀疏外观模型表示粒子和局部块,利用混合范数正则化和APG方法优化,能有效应对遮挡、尺度变化和突然运动等挑战。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

结构稀疏跟踪(SST)算法

摘要:提出了一种新的结构稀疏跟踪算法,它不仅利用候选目标及其局部块之间的内在关系,学习它们的联合稀疏表示,而且保留了各候选目标内的局部块中的空间布局结构。并表明了SST算法包含大多数现有的稀疏跟踪器各自的优点。

 

1引言

第一段   介绍目标跟踪的应用和面临的挑战。

第二、三段   跟踪算法的分类:判别式和生成式。

· discriminative approach 鉴别性方法:将tracking化为一个二分类的问题,通过训练分类器,区分目标和背景,从而实现跟踪

· generative approach 生成性方法:将tracking当做一个匹配的过程,生成一个目标的模板,寻找匹配程度最高的,即后验概率最大的位置作为目标的位置预测

第四-八段    介绍稀疏表示生成式跟踪方法的现状。

 &n

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值