• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    在線低秩表示的目標(biāo)跟蹤算法

    2016-11-23 13:46:14王海軍葛紅娟張圣燕
    關(guān)鍵詞:跟蹤目標(biāo)尺度觀測(cè)

    王海軍,葛紅娟,張圣燕

    (1.南京航空航天大學(xué)民航學(xué)院,江蘇南京 210016; 2.濱州學(xué)院山東省高校航空信息技術(shù)重點(diǎn)實(shí)驗(yàn)室,山東濱州 256603)

    在線低秩表示的目標(biāo)跟蹤算法

    王海軍1,2,葛紅娟1,張圣燕2

    (1.南京航空航天大學(xué)民航學(xué)院,江蘇南京 210016; 2.濱州學(xué)院山東省高校航空信息技術(shù)重點(diǎn)實(shí)驗(yàn)室,山東濱州 256603)

    針對(duì)傳統(tǒng)的基于生成模式的跟蹤方法對(duì)噪聲及遮擋問題比較敏感,導(dǎo)致跟蹤結(jié)果失敗的問題,提出了以前幾幀的跟蹤結(jié)果作為觀測(cè)矩陣,采用魯棒的主元成分分析模型求解觀測(cè)模型的低秩特征.當(dāng)新的視頻流到來時(shí),不是把所有的跟蹤結(jié)果矩陣作為觀測(cè)矩陣.并提出了新的增量魯棒的主元成分分析模型,采用增廣拉格朗日算法求解新矩陣的低秩特征,并以此低秩矩陣在貝葉斯框架下建立跟蹤模型,用恢復(fù)的低秩特征更新字典矩陣.將文中方法與其他6種跟蹤算法在8種跟蹤視頻上進(jìn)行跟蹤對(duì)比.實(shí)驗(yàn)結(jié)果表明,所提出的方法具有較低的像素中心位置誤差和較高的重疊率.

    目標(biāo)跟蹤;低秩特征;魯棒的主成分分析模型;字典矩陣

    目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域一項(xiàng)重要的研究課題,在視頻監(jiān)控、交通流量控制、輔助駕駛系統(tǒng)、人機(jī)接口等方面得到了廣泛的應(yīng)用.近年來,國(guó)內(nèi)外許多學(xué)者提出了很多魯棒的目標(biāo)跟蹤算法,取得了較好的跟蹤性能.目前,目標(biāo)跟蹤算法主要分為兩種類型:判別模式[1-2]和生成模式[3-6].

    判別模式將目標(biāo)跟蹤看成把跟蹤目標(biāo)從背景目標(biāo)塊中分離出來的二值分類問題,這類方法的運(yùn)算耗時(shí)少,可實(shí)現(xiàn)實(shí)時(shí)的目標(biāo)跟蹤;生成模式將跟蹤問題看成是從候選樣本中選出與目標(biāo)區(qū)域重構(gòu)誤差最小的樣本作為跟蹤目標(biāo),可以實(shí)現(xiàn)魯棒的目標(biāo)跟蹤,跟蹤精度較高,但是耗時(shí)大,難以實(shí)現(xiàn)實(shí)時(shí)跟蹤.文獻(xiàn)[5]提出了增量在線目標(biāo)跟蹤算法,在粒子濾波框架下,通過增量主成分學(xué)習(xí)在線學(xué)習(xí)跟蹤目標(biāo)的外觀模型,實(shí)現(xiàn)目標(biāo)的跟蹤.文獻(xiàn)[3]將稀疏表示應(yīng)用到目標(biāo)跟蹤領(lǐng)域,并提出用瑣碎模板解決跟蹤過程中出現(xiàn)的遮擋問題,但是該方法用Lasso方法來求解l1范數(shù)最小化問題,導(dǎo)致計(jì)算量大,實(shí)時(shí)性低,且跟蹤目標(biāo)的像素較低,難以充分利用跟蹤目標(biāo)的特征信息.文獻(xiàn)[7]提出了用加速近似梯度算法代替Lasso方法來求解l1范數(shù)最小化問題,實(shí)現(xiàn)了快速跟蹤.文獻(xiàn)[8]提出了一種基于稀疏原型的在線目標(biāo)跟蹤算法,該算法對(duì)跟蹤過程中出現(xiàn)的異常噪聲進(jìn)行顯式處理,降低了l1算法的計(jì)算量,提高了跟蹤精度和速度.

    雖然判別模式和生成模式都能夠?qū)δ繕?biāo)進(jìn)行準(zhǔn)確跟蹤,但是判別模式當(dāng)跟蹤目標(biāo)出現(xiàn)大面積的遮擋時(shí),難以實(shí)現(xiàn)準(zhǔn)確的跟蹤,且很難解決跟蹤過程中出現(xiàn)的尺度變化問題.而在生成模式中,大多數(shù)方法采用的字典矩陣是由已得到的跟蹤結(jié)果組成的,當(dāng)跟蹤結(jié)果出現(xiàn)遮擋或漂移時(shí),就會(huì)對(duì)后來的跟蹤產(chǎn)生漂移,引起跟蹤誤差.

    為解決上述問題,筆者提出了一種基于增量低秩特征的目標(biāo)跟蹤算法,在線地學(xué)習(xí)跟蹤目標(biāo)的低秩特征,恢復(fù)跟蹤目標(biāo)被遮擋的部分,并更新字典矩陣.同時(shí),該方法能準(zhǔn)確恢復(fù)跟蹤目標(biāo)的全局子空間,解決了以往基于子空間跟蹤方法對(duì)噪聲不魯棒,以及跟蹤出現(xiàn)遮擋時(shí)跟蹤失敗的問題.

    1 低秩特征

    魯棒的主元成分分析(Robust Principal Component Analysis,RPCA)[9]在計(jì)算機(jī)視覺領(lǐng)域得到了廣泛的應(yīng)用,該方法假定觀測(cè)到的受污染數(shù)據(jù)矩陣Y∈Rm×n由低秩矩陣D和噪聲矩陣E構(gòu)成,即Y=D+E,其中,D和E是未知的.為從污染矩陣Y中恢復(fù)低秩矩陣D,可用下面的數(shù)學(xué)模型來描述:

    但是,式(1)假定觀測(cè)數(shù)據(jù)Y是從一個(gè)子空間提取來的,如果觀測(cè)數(shù)據(jù)Y是從多個(gè)子空間取樣來的樣本,若繼續(xù)采用式(1)來恢復(fù)低秩特征D,則將存在誤差.為了更準(zhǔn)確地獲得低秩特征矩陣D,文獻(xiàn)[9]提出了更加一般化的秩最小化數(shù)學(xué)模型,即

    但是式(1)和式(2)求得的干凈矩陣是在所有觀測(cè)數(shù)據(jù)組成一個(gè)污染矩陣Y的基礎(chǔ)上求得的,當(dāng)有新的數(shù)據(jù)到來時(shí),需要把新的數(shù)據(jù)和原有的觀測(cè)矩陣組成新的觀測(cè)矩陣,重新進(jìn)行核最小化計(jì)算以求得低秩特征,這樣就大大降低了計(jì)算效率.為解決這個(gè)問題,在式(1)和式(2)的基礎(chǔ)上,提出了增量求解低秩特征的算法,并應(yīng)用到目標(biāo)跟蹤算法上,取得了較好的效果.

    2 基于在線低秩特征的目標(biāo)跟蹤算法

    2.1在線低秩特征學(xué)習(xí)

    當(dāng)對(duì)一段視頻中的目標(biāo)進(jìn)行跟蹤時(shí),首先用手選方法將前k幀中跟蹤目標(biāo)提取出來,組成一個(gè)前k幀的標(biāo)準(zhǔn)跟蹤結(jié)果的矩陣.然后用

    進(jìn)行前k幀的低秩特征Dk計(jì)算,并采用文獻(xiàn)[9-11]的方法對(duì)Dk進(jìn)行不足奇異值分解(Singular Value Decomposition,SVD)計(jì)算,即

    其中,Uk為前k幀的子空間基底,Σk為半正定對(duì)角矩陣.

    當(dāng)有新的視頻幀時(shí),即第k+1幀來臨時(shí),如果采用原始方法,則需組成包括前k幀的觀測(cè)矩陣,重新進(jìn)行計(jì)算式(3),計(jì)算效率大大降低.為了解決這個(gè)問題,采用式(2)在線計(jì)算低秩矩陣D.式(2)的求解是凸優(yōu)化問題,為求解Z和E,文中采用增廣拉格朗日乘子(Augmented Lagrange Multiplier,ALM)算法[12].首先,把式(2)轉(zhuǎn)化為下面等價(jià)問題:

    式(5)可通過Inexac ALM來求解,即

    其中,Y1和Y2是拉格朗日乘子;μ>0,是懲罰參數(shù).使用In ALM解式(6)中的優(yōu)化問題的算法如下:

    輸入:一個(gè)觀測(cè)圖像塊(向量形式)Y,子空間基底U,這里令A(yù)=U,參數(shù)λ.

    初始化:Z=J=0,E=0,Y1=0,Y2=0,μ=10-6,ρ=1.1,ε=10-8.

    While不收斂do

    End while.

    求出新的Z后,則增量低秩特征D=UZ.

    2.2運(yùn)動(dòng)模型

    目標(biāo)跟蹤可以看成是隱式馬爾科夫模型下的貝葉斯推理問題,假定已知前t幀的觀測(cè)數(shù)據(jù)Yt={y1,y2,…,yt},則t時(shí)刻的狀態(tài)變量xt可通過迭代求解獲得,即

    其中,p(xt|xt-1)表示連續(xù)兩個(gè)狀態(tài)之間的運(yùn)動(dòng)模型;p(yt|xt)為似然函數(shù)或觀測(cè)模型;xt為仿射變換的6個(gè)參數(shù),用來表征連續(xù)兩幀跟蹤目標(biāo)的運(yùn)動(dòng)狀態(tài).xt={zt,pt,θt,st,αt,φt},分別用來表示跟蹤目標(biāo)的坐標(biāo)位置、旋轉(zhuǎn)角度、尺度變化、寬高變化和斜交變化等.運(yùn)動(dòng)模型p(xt|xt-1)=N(xt|xt-1,Σ),其中Σ為狀態(tài)xt的6個(gè)參數(shù)的對(duì)角協(xié)方差矩陣.

    2.3觀測(cè)模型

    由式(3)可知,由前k幀視頻跟蹤結(jié)果組成矩陣可求出低秩特征,當(dāng)有新的視頻流時(shí),可通過式(4)求出新的視頻流的低秩特征,其中,i為第k+1幀的第i個(gè)樣本.因此,判斷第i個(gè)樣本是否為跟蹤目標(biāo),可通過如下觀測(cè)模型判斷:

    式(8)為第t+1幀中第i個(gè)樣本為跟蹤目標(biāo)的概率.當(dāng)跟蹤目標(biāo)出現(xiàn)遮擋時(shí),采用文獻(xiàn)[8]中方法,引入一個(gè)掩模向量,來指示誤差向量E中的零元素與非零元素,即

    當(dāng)誤差向量Ei中第j個(gè)元素為0時(shí),則;否則,.☉表示對(duì)應(yīng)元素相乘.

    2.4在線更新

    為更好地適應(yīng)跟蹤過程中運(yùn)動(dòng)目標(biāo)的變化,需要對(duì)子空間基底U進(jìn)行更新,當(dāng)時(shí),t為一閾值,為誤差向量中非零元素的個(gè)數(shù),l(Et)為誤差向量中元素的個(gè)數(shù),則重新采用式(3)計(jì)算低秩特征,這時(shí)的視頻流矩陣由開始的前20幀跟蹤目標(biāo)與最新10幀的跟蹤目標(biāo)組成,這樣既保留了原始跟蹤目標(biāo)的信息,又能適應(yīng)跟蹤過程中目標(biāo)的變化.

    3 實(shí)驗(yàn)結(jié)果

    文中算法在Window 7操作系統(tǒng)、Pentium Dual-Core CPU、2 GB內(nèi)存電腦平臺(tái)采用Matlab軟件進(jìn)行仿真實(shí)驗(yàn).為了驗(yàn)證文中方法的優(yōu)越性,采用8個(gè)具有挑戰(zhàn)性的視頻與當(dāng)前比較流行的6種算法進(jìn)行比較.這些視頻為Occlusion1、Caviar1、Singer1、Car4、Car11、DavidIndoor、David Outdoor、Stone,分別具有光照變化、尺度變化、背景混亂、遮擋以及姿態(tài)變化等影響跟蹤效果的因素.6種算法分別為:Frag[13]、L1[3]、MIL[1]、PCA[5]、PN[14]、VTD[15]等.每組視頻第1幀跟蹤目標(biāo)的位置手動(dòng)標(biāo)出,文中算法每種視頻跟蹤采用的粒子數(shù)目為600,其他方法的參數(shù)分別采用其具有最優(yōu)性能的參數(shù).

    3.1定性比較

    圖1(a)為Occlusion1視頻的跟蹤結(jié)果,圖中女孩頭部位置基本不發(fā)生變化,但是存在來自左邊、下方、右邊圖書的嚴(yán)重遮擋.從跟蹤結(jié)果看,大部分方法基本上都能對(duì)女孩頭部進(jìn)行跟蹤,但是PCA和MIL算法存在偏移.VTD算法尺度變化的太大,導(dǎo)致跟蹤結(jié)果方框不能覆蓋女孩的頭部.文中算法采用了考慮遮擋的模型及在線更新機(jī)制,能夠準(zhǔn)確跟蹤女孩的頭部位置.

    圖1 不同視頻采用不同算法跟蹤結(jié)果對(duì)比圖

    圖1(b)為Caviar1視頻的跟蹤結(jié)果.Caviar1視頻存在相似人物的遮擋,跟蹤目標(biāo)人物本身也存在運(yùn)動(dòng)以及尺度變化,同時(shí)視頻場(chǎng)景中存在光照變化.Caviar1視頻中目標(biāo)人物由近及遠(yuǎn)逐漸移動(dòng),目標(biāo)人物尺度逐漸變小,同時(shí)存在來自右邊人物的遮擋.文中算法由于采用基于低秩特征,同時(shí)引入遮擋機(jī)制以及仿射變換方法,所以當(dāng)出現(xiàn)相似人物遮擋時(shí),也能準(zhǔn)確地對(duì)目標(biāo)人物進(jìn)行跟蹤,同時(shí)適應(yīng)目標(biāo)人物尺度的變化.MIL算法基于多示例的方法,當(dāng)出現(xiàn)相似人物的干擾時(shí),偏移目標(biāo)人物比較大.

    圖1(c)~(f)分別為Singer1、Car4、Car11和DavidIndoor視頻的跟蹤結(jié)果.Singer1視頻為穿白衣的歌者在強(qiáng)烈白光照射下演唱的視頻片段.該視頻中跟蹤目標(biāo)存在嚴(yán)重的光照變化,同時(shí)由于攝像機(jī)的運(yùn)動(dòng),使得跟蹤目標(biāo)存在尺度變化.MIL和Frag算法沒有考慮尺度變化,所以不能準(zhǔn)確對(duì)目標(biāo)進(jìn)行定位跟蹤.PN算法雖然考慮了尺度變化,但是不能跟上目標(biāo)的變化速度.文中算法、VTD和PCA算法能夠較準(zhǔn)確地對(duì)歌者目標(biāo)進(jìn)行跟蹤;在Car4視頻中,目標(biāo)汽車和道路以及公路兩旁樹木的顏色較為相近,同時(shí)汽車過橋時(shí),存在由亮到暗以及由暗到亮的光照變化.MIL和Frag算法沒有考慮尺度變化,出現(xiàn)了飄移現(xiàn)象.文中算法、PCA及L1算法較為準(zhǔn)確地對(duì)目標(biāo)汽車持續(xù)跟蹤;在Car11視頻中,目標(biāo)汽車在夜晚的公路上快速行駛,存在來自對(duì)面汽車燈光嚴(yán)重的干擾.當(dāng)汽車出現(xiàn)轉(zhuǎn)彎時(shí),大部分算法都偏移到對(duì)面來的汽車燈光上,只有文中算法和PCA算法準(zhǔn)確地對(duì)目標(biāo)汽車進(jìn)行了跟蹤;在DavidIndoor視頻中,目標(biāo)人物從屋子黑暗角落走到明亮位置,同時(shí)伴有尺度變化和頭部旋轉(zhuǎn).文中算法不僅能夠適應(yīng)跟蹤目標(biāo)的亮度變化,而且當(dāng)目標(biāo)人物存在角度變化時(shí),也能較準(zhǔn)確地進(jìn)行跟蹤.MIL算法雖然也對(duì)目標(biāo)人物進(jìn)行成功跟蹤,但是不能隨著目標(biāo)尺度大小的變化而變化.Frag算法對(duì)光照變化比較敏感,所以存在跟丟現(xiàn)象.

    圖1(f)和(h)為David Outdoor和Stone視頻.在David Outdoor視頻中,存在背景混亂、遮擋以及目標(biāo)人物旋轉(zhuǎn)等干擾跟蹤效果的因素.從跟蹤結(jié)果來看,目標(biāo)人物第1次經(jīng)過樹木遮擋,且當(dāng)目標(biāo)人物旋轉(zhuǎn)時(shí),只有文中算法準(zhǔn)確地進(jìn)行了跟蹤,其他算法都跟蹤失敗;Stone視頻存在嚴(yán)重的相似物體干擾,人物手部的顏色和目標(biāo)石頭的顏色以及背景石頭的顏色非常相似,同時(shí)對(duì)目標(biāo)石頭存在遮擋.圖1結(jié)果表明,文中算法對(duì)相似物體的干擾現(xiàn)象也有著非常魯棒的性能,其他算法則容易受到干擾,跟蹤失敗.

    3.2定量比較

    文中采用中心位置誤差(以像素為單位)和覆蓋率兩個(gè)指標(biāo)對(duì)不同跟蹤算法的性能進(jìn)行比較.中心位置誤差是指通過比較跟蹤算法的跟蹤方框的中心位置與人工手動(dòng)標(biāo)注的跟蹤目標(biāo)的中心位置之間的歐式距離得到的.覆蓋率的含義,其中,表示第t幀中跟蹤目標(biāo)以為中心的方框的覆蓋面積,表示第t幀中采用跟蹤算法得到的以為中心的跟蹤方框覆蓋面積.很明顯,OR值越大,表明跟蹤算法的性能越好.為跟蹤結(jié)果標(biāo)準(zhǔn)的中心位置,為采用跟蹤算法得到的中心位置.圖2給出了不同算法在各個(gè)幀的中心位置誤差圖,其中橫坐標(biāo)為幀號(hào),縱坐標(biāo)為中心位置誤差.從圖2中可以看出,文中算法的中心位置誤差對(duì)給出的8種視頻是最低的.圖3給出了不同算法的覆蓋率對(duì)比,相比其他算法,文中算法的跟蹤目標(biāo)覆蓋率較高,能實(shí)現(xiàn)魯棒的跟蹤.

    3.3計(jì)算復(fù)雜度分析

    假設(shè)觀測(cè)圖像樣本的維數(shù)為d,子空間基底U的秩為r,每一幀的迭代次數(shù)為n.根據(jù)文獻(xiàn)[10]可知,文中算法每一幀的計(jì)算復(fù)雜度為O(drn+nr2+r3),若整個(gè)視頻有F幀,則整個(gè)視頻的跟蹤復(fù)雜度為O((drn+nr2+r3)F).若采用標(biāo)準(zhǔn)RPCA算法進(jìn)行視頻跟蹤,則迭代n次的復(fù)雜度為O(dtrn+nr2+r3),t為跟蹤的視頻幀數(shù),完整視頻的跟蹤復(fù)雜度為O(d F2rn+Fnr2+Fr3),復(fù)雜度相對(duì)跟蹤視頻的幀數(shù)是呈二次平方增加的.

    圖3 覆蓋率比較

    4 結(jié)束語

    文中提出了一種基于低秩特征的在線目標(biāo)跟蹤算法,把固定幀的視頻看作是觀測(cè)矩陣,當(dāng)有新的視頻流到來時(shí),采用增廣拉格朗日算法增量地求出觀測(cè)矩陣的低秩特征,解決了傳統(tǒng)RPCA方法不能在線處理大數(shù)據(jù)的缺點(diǎn).相比其他算法,文中算法充分利用跟蹤目標(biāo)的全局子空間,并用低秩特征更新字典矩陣,解決了當(dāng)跟蹤結(jié)果出現(xiàn)遮擋時(shí),字典更新出現(xiàn)偏差的問題.通過與其他6種算法對(duì)比,文中算法能夠較好地克服視頻中出現(xiàn)的遮擋、尺度變化、光照變化等問題,具有較強(qiáng)的魯棒性.

    [1]BABENKO B,YANG M H,BELONGIE S.Robust Object Tracking with Online Multiple Instance Learning[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(B):1619-1632.

    [2]黃宏圖,葛淵,張繼,等.仿射變換在壓縮感知跟蹤中的應(yīng)用[J].西安電子科技大學(xué)學(xué)報(bào),2015,42(2):162-205. HUANG Hongtu,GE Yuan,ZHANG Ji,et al.Application of Affine Transform in Compressed Sensing Tracking[J]. Journal of Xidian University,2015,42(2):162-205.

    [3]XUE M,LING H B.Robust Visual Tracking Using L1 Minimization[C]//Proceedings of the IEEE Computer Society Conference on Computer Vision.Piscataway:IEEE,2009:1436-1443.

    [4]賀文驊,劉志鏡,屈鑒銘.利用超像素混合投票的在線目標(biāo)跟蹤算法[J].西安電子科技大學(xué)學(xué)報(bào),2015,42(3): 61-66. HE Wenhua,LIU Zhijing,QU Jianming.Online Visual Tracking Method Based on Superpixel Hybrid Voting[J]. Journal of Xidian University,2015,42(3):61-66.

    [5]ROSS D,LIM J,LIN R S,et al.Incremental Learning for Robust Visual Tracking[J].International Journal of Computer Vision,2008,77(1/2/3):125-141.

    [6]王海軍,張圣燕.基于L2范數(shù)和增量正交投影非負(fù)矩陣分解的目標(biāo)跟蹤算法[J].黑龍江大學(xué)自然科學(xué)學(xué)報(bào),2015,32 (2):262-269. WANG Haijun,ZHANG Shengyan.Object Tracking Algorithm via L2 Norm and Incremental Orthogonal Projective Non-negative Matrix Factorization[J].Journal of Natrual Science of Heilongjiang University,2015,32(2):262-269.

    [7]BAO C L,WU Y,LING H B,et al.Real Time Robust L1 Tracker Using Accelerated Proximal Gradient Approach[C]//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Washington: IEEE,2012:1830-1837.

    [8]WANG D,LU H C,YANG M H.Online Object Tracking with Sparse Prototypes[J].IEEE Transactions on Image Processing,2013,22(1):314-325.

    [9]CANDèS E,LI X D,MA Y,et al.Robust Principal Component Analysis?[J].Journal of the ACM,2011,58(3): 1-37.

    [10]LIU G,LIN Z,YAN S,et al.Robust Recovery of Subspace Structures by Low-rank Representation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(1):171-184.

    [11]ZHANG C C,LIU R S,QIU T S,et al.Robust Visual Tracking via Incremental Low-rank Features Learning[J]. Neurocomputing,2014,131:237-247.

    [12]LIN Z C,LIU R S,SU Z X.Linearized Alternating Direction Method with Adaptive Penalty for Low-rank Representation[C]//Advances in Neural Information Processing Systems:24.New York:NIPS,2011:612-620.

    [13]ADAM A,RIVLIN E.Robust Fragments-based Tracking Using the Integral Histogram[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Piscataway:IEEE,2006:798-805.

    [14]ZDENEK K,MATAS J,MIKOLAJCZYK K.P-N Learning:Bootstrapping Binary Classifiers by Structural Constraints [C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Piscataway:IEEE,2010: 49-56.

    [15]KWON J,LEE K M.Visual Tracking Decomposition[C]//Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Piscataway:IEEE,2010:1269-1276.

    (編輯:齊淑娟)

    Object tracking via online low rank representation

    WANG Haijun1,2,GE Hongjuan1,ZH ANG Shengyan2
    (1.College of Civil Aviation,Nanjing Univ.of Aeronautics and Astronautics,Nanjing 210016,China; 2.Key Lab.of Aviation Information Technology in Univ.of Shandong,Binzhou Univ.,Binzhou 256603,China)

    Object tracking is an active research topic in computer vision.The traditional tracking methods based on the generative model are sensitive to noise and occlusion,which leads to the failure of tracking results.In order to solve this problem,the tracking results of the first few frames are used as the observation matrix,and the low rank features of the observation model are solved by the the RPCA model. When the new video streams come,a new incremental RPCA is proposed to compute the new observation matrix by the augmented Lagrangian algorithm.The tracking model is established in the Bayesian framework,and the dictionary matrix is updated with the low rank feature.We have tested the proposed algorithm and six state-of-the-art approaches on eight publicly available sequences.Experimental results show that the proposed method has a lower pixel center position error and a higher overlap ratio.

    object tracking;low rank feature;RPCA model;dictionary matrix

    TP391

    A

    1001-2400(2016)05-0098-07

    10.3969/j.issn.1001-2400.2016.05.018

    2015-09-07 網(wǎng)絡(luò)出版時(shí)間:2015-12-10

    山東省自然科學(xué)基金資助項(xiàng)目(ZR2015FL009);濱州市科技發(fā)展計(jì)劃資助項(xiàng)目(2013ZC0103);濱州學(xué)院科研基金資助項(xiàng)目(BZXYG1524)

    王海軍(1980-),男,南京航空航天大學(xué)博士研究生,E-mail:whjlym@163.com.

    網(wǎng)絡(luò)出版地址:http://www.cnki.net/kcms/detail/61.1076.TN.20151210.1529.036.html

    猜你喜歡
    跟蹤目標(biāo)尺度觀測(cè)
    觀測(cè)到恒星死亡瞬間
    軍事文摘(2023年18期)2023-11-03 09:45:42
    核相關(guān)濾波與孿生網(wǎng)絡(luò)相結(jié)合的目標(biāo)跟蹤算法
    財(cái)產(chǎn)的五大尺度和五重應(yīng)對(duì)
    基于圖割理論的尺度自適應(yīng)人臉跟蹤算法
    天測(cè)與測(cè)地VLBI 測(cè)地站周圍地形觀測(cè)遮掩的討論
    連續(xù)同色調(diào)背景下運(yùn)動(dòng)目標(biāo)自適應(yīng)跟蹤
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    可觀測(cè)宇宙
    太空探索(2016年7期)2016-07-10 12:10:15
    高分辨率對(duì)地觀測(cè)系統(tǒng)
    太空探索(2015年8期)2015-07-18 11:04:44
    基于卡爾曼和圖像信息量的Mean Shift改進(jìn)跟蹤算法
    久久久久人妻精品一区果冻| 日韩av免费高清视频| 人人妻人人澡人人爽人人夜夜| 97超碰精品成人国产| 内地一区二区视频在线| 成人二区视频| 亚洲色图综合在线观看| 亚洲精品乱久久久久久| 国产黄频视频在线观看| 免费高清在线观看日韩| 高清视频免费观看一区二区| 国产黄色视频一区二区在线观看| 老司机影院成人| 亚洲av电影在线观看一区二区三区| 大码成人一级视频| 亚洲av国产av综合av卡| 久久精品人人爽人人爽视色| 免费人成在线观看视频色| 91精品伊人久久大香线蕉| 国产成人精品无人区| 香蕉丝袜av| 深夜精品福利| 18禁观看日本| 晚上一个人看的免费电影| 高清欧美精品videossex| 少妇猛男粗大的猛烈进出视频| 久久久久人妻精品一区果冻| 五月玫瑰六月丁香| 日韩av免费高清视频| 久久午夜综合久久蜜桃| av卡一久久| 99久国产av精品国产电影| 日本欧美国产在线视频| 亚洲熟女精品中文字幕| 国产男人的电影天堂91| 精品卡一卡二卡四卡免费| 亚洲成人一二三区av| 午夜福利乱码中文字幕| 一级毛片黄色毛片免费观看视频| 在线观看免费日韩欧美大片| 日韩中字成人| 国产极品粉嫩免费观看在线| 日韩不卡一区二区三区视频在线| 亚洲精品乱久久久久久| 搡老乐熟女国产| 久久午夜福利片| 久久久久久人人人人人| 国产不卡av网站在线观看| 90打野战视频偷拍视频| 22中文网久久字幕| 免费在线观看黄色视频的| 制服人妻中文乱码| 一本大道久久a久久精品| 黄色 视频免费看| 精品亚洲成a人片在线观看| 18+在线观看网站| 亚洲欧美一区二区三区黑人 | www.av在线官网国产| 欧美xxⅹ黑人| 亚洲色图 男人天堂 中文字幕 | 在线观看www视频免费| 亚洲美女搞黄在线观看| 97在线人人人人妻| 日韩精品免费视频一区二区三区 | 少妇人妻久久综合中文| 97在线视频观看| av电影中文网址| 插逼视频在线观看| 亚洲av福利一区| 亚洲熟女精品中文字幕| 美女大奶头黄色视频| 天堂中文最新版在线下载| 久久精品人人爽人人爽视色| 午夜免费男女啪啪视频观看| 国产又爽黄色视频| 国产免费又黄又爽又色| 国产日韩欧美视频二区| 亚洲人与动物交配视频| 又黄又粗又硬又大视频| 亚洲高清免费不卡视频| 看免费av毛片| 国产免费一区二区三区四区乱码| 美女xxoo啪啪120秒动态图| 日日撸夜夜添| 国产国语露脸激情在线看| 美女主播在线视频| 两性夫妻黄色片 | 22中文网久久字幕| 免费高清在线观看视频在线观看| 成人免费观看视频高清| 99re6热这里在线精品视频| 男人添女人高潮全过程视频| 黑人巨大精品欧美一区二区蜜桃 | 最黄视频免费看| 亚洲熟女精品中文字幕| 一级片免费观看大全| 日本av免费视频播放| 最新中文字幕久久久久| 亚洲熟女精品中文字幕| 久久精品国产自在天天线| 女人精品久久久久毛片| 少妇人妻久久综合中文| 精品午夜福利在线看| 久久精品国产自在天天线| 成人国语在线视频| 女人精品久久久久毛片| 国产国拍精品亚洲av在线观看| 免费久久久久久久精品成人欧美视频 | 免费黄色在线免费观看| 久久久精品区二区三区| 18禁动态无遮挡网站| 黄色 视频免费看| 熟妇人妻不卡中文字幕| 男人舔女人的私密视频| 国产xxxxx性猛交| 少妇的逼水好多| 18禁国产床啪视频网站| 久久久精品免费免费高清| 考比视频在线观看| 亚洲性久久影院| 国产色爽女视频免费观看| 国产日韩欧美在线精品| 精品亚洲成国产av| 国产日韩欧美亚洲二区| 老女人水多毛片| 精品视频人人做人人爽| 午夜视频国产福利| 国产在线视频一区二区| 成年人免费黄色播放视频| 久久久久久久久久人人人人人人| 成人亚洲欧美一区二区av| 色94色欧美一区二区| 色94色欧美一区二区| 亚洲成人av在线免费| 最近中文字幕2019免费版| 精品国产一区二区三区久久久樱花| 免费av不卡在线播放| av有码第一页| 看十八女毛片水多多多| 亚洲av电影在线进入| 久久精品人人爽人人爽视色| 看十八女毛片水多多多| 夫妻性生交免费视频一级片| 美女大奶头黄色视频| 啦啦啦在线观看免费高清www| 男男h啪啪无遮挡| 黑人欧美特级aaaaaa片| 国产精品熟女久久久久浪| 欧美成人午夜免费资源| 欧美变态另类bdsm刘玥| 免费av不卡在线播放| 天天躁夜夜躁狠狠久久av| 1024视频免费在线观看| 欧美人与性动交α欧美精品济南到 | 国产精品成人在线| 街头女战士在线观看网站| 观看av在线不卡| 五月玫瑰六月丁香| 亚洲av免费高清在线观看| 精品亚洲成a人片在线观看| 免费高清在线观看日韩| 国产成人免费观看mmmm| 国产av精品麻豆| 欧美精品人与动牲交sv欧美| av在线观看视频网站免费| 日韩制服骚丝袜av| 久久久精品94久久精品| 中文字幕av电影在线播放| 老司机亚洲免费影院| 亚洲图色成人| 欧美日本中文国产一区发布| 亚洲精品aⅴ在线观看| 永久免费av网站大全| 观看av在线不卡| 精品午夜福利在线看| 亚洲色图综合在线观看| 国产精品久久久久成人av| 人妻系列 视频| 久久精品熟女亚洲av麻豆精品| 久热这里只有精品99| 亚洲国产精品999| 免费看不卡的av| av视频免费观看在线观看| 久久久a久久爽久久v久久| 丁香六月天网| 亚洲,欧美精品.| 久久精品熟女亚洲av麻豆精品| 岛国毛片在线播放| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 全区人妻精品视频| 99国产精品免费福利视频| 亚洲成av片中文字幕在线观看 | 十八禁高潮呻吟视频| 精品亚洲成a人片在线观看| 三上悠亚av全集在线观看| 欧美亚洲日本最大视频资源| 午夜激情av网站| 亚洲综合精品二区| 女的被弄到高潮叫床怎么办| 最近手机中文字幕大全| 午夜福利影视在线免费观看| 午夜福利视频精品| 亚洲精品国产av成人精品| 午夜91福利影院| 日日摸夜夜添夜夜爱| 大片免费播放器 马上看| 人人澡人人妻人| 大片电影免费在线观看免费| 日本vs欧美在线观看视频| 多毛熟女@视频| 一区二区三区四区激情视频| 亚洲国产精品成人久久小说| 韩国精品一区二区三区 | 五月玫瑰六月丁香| 久久99热这里只频精品6学生| 美女国产高潮福利片在线看| 中文字幕免费在线视频6| 黄色配什么色好看| 街头女战士在线观看网站| 久久久久人妻精品一区果冻| 激情视频va一区二区三区| 久久毛片免费看一区二区三区| 超色免费av| 综合色丁香网| 欧美丝袜亚洲另类| 免费在线观看完整版高清| 欧美xxⅹ黑人| 国产欧美日韩综合在线一区二区| 777米奇影视久久| 黄色毛片三级朝国网站| 久久久久精品性色| 国产日韩欧美亚洲二区| 岛国毛片在线播放| 18在线观看网站| 五月玫瑰六月丁香| 久久精品国产综合久久久 | 最近最新中文字幕大全免费视频 | 亚洲成国产人片在线观看| 精品国产国语对白av| 亚洲伊人色综图| 女人久久www免费人成看片| 日韩伦理黄色片| 免费观看性生交大片5| 日韩一区二区三区影片| 成人午夜精彩视频在线观看| 在线天堂最新版资源| 国产精品国产三级专区第一集| 日韩av免费高清视频| 老司机影院成人| 国产又爽黄色视频| av.在线天堂| 免费不卡的大黄色大毛片视频在线观看| 久久97久久精品| 人妻系列 视频| 欧美激情 高清一区二区三区| 亚洲精品久久久久久婷婷小说| 大片电影免费在线观看免费| 免费日韩欧美在线观看| 国产色婷婷99| 成人毛片60女人毛片免费| 大片电影免费在线观看免费| 欧美成人午夜精品| 在线天堂中文资源库| 国产成人免费观看mmmm| 日韩欧美精品免费久久| 人妻系列 视频| 新久久久久国产一级毛片| 亚洲在久久综合| 久久免费观看电影| 大码成人一级视频| 欧美精品av麻豆av| 美女内射精品一级片tv| a 毛片基地| 日日啪夜夜爽| videosex国产| 男人操女人黄网站| 久久人人爽人人爽人人片va| 又黄又粗又硬又大视频| 三上悠亚av全集在线观看| 日本黄色日本黄色录像| 午夜日本视频在线| 在线观看三级黄色| 91精品伊人久久大香线蕉| 精品99又大又爽又粗少妇毛片| 不卡视频在线观看欧美| 亚洲精品乱码久久久久久按摩| 日本猛色少妇xxxxx猛交久久| 人妻少妇偷人精品九色| 一个人免费看片子| 91午夜精品亚洲一区二区三区| 国产精品一区二区在线不卡| 亚洲精品成人av观看孕妇| 国产精品人妻久久久久久| 日韩av在线免费看完整版不卡| 亚洲欧美成人综合另类久久久| 美女福利国产在线| 国产亚洲精品第一综合不卡 | 国产av国产精品国产| 99久久人妻综合| 国产又色又爽无遮挡免| 国产av精品麻豆| 亚洲av.av天堂| 午夜福利视频精品| 97在线人人人人妻| videosex国产| 精品久久久久久电影网| 天美传媒精品一区二区| 亚洲美女搞黄在线观看| 亚洲精品久久成人aⅴ小说| 插逼视频在线观看| 国产成人91sexporn| 国产成人免费无遮挡视频| 亚洲av综合色区一区| 亚洲精华国产精华液的使用体验| 两性夫妻黄色片 | 黄色视频在线播放观看不卡| 一区二区日韩欧美中文字幕 | 色吧在线观看| 国产在视频线精品| 国产精品蜜桃在线观看| 精品人妻熟女毛片av久久网站| 哪个播放器可以免费观看大片| 亚洲综合色网址| 欧美国产精品va在线观看不卡| 久久久国产欧美日韩av| 亚洲国产精品一区二区三区在线| 国产一区二区在线观看日韩| 久久99热这里只频精品6学生| 女的被弄到高潮叫床怎么办| 国产精品一区二区在线观看99| 99热国产这里只有精品6| 日韩成人av中文字幕在线观看| 久久精品夜色国产| 中国美白少妇内射xxxbb| 国产精品国产三级专区第一集| 国国产精品蜜臀av免费| 少妇猛男粗大的猛烈进出视频| 精品亚洲成a人片在线观看| videosex国产| 日韩制服骚丝袜av| 一区二区三区四区激情视频| 亚洲少妇的诱惑av| 视频在线观看一区二区三区| 美女xxoo啪啪120秒动态图| 欧美亚洲 丝袜 人妻 在线| 男人操女人黄网站| 免费大片18禁| 狠狠精品人妻久久久久久综合| 肉色欧美久久久久久久蜜桃| 亚洲一级一片aⅴ在线观看| 国产片特级美女逼逼视频| 亚洲三级黄色毛片| 91午夜精品亚洲一区二区三区| 在线观看三级黄色| 亚洲欧美日韩另类电影网站| 在线观看免费视频网站a站| 亚洲国产精品一区二区三区在线| 日韩精品有码人妻一区| 下体分泌物呈黄色| 精品酒店卫生间| 亚洲精品乱久久久久久| 亚洲精品国产av成人精品| 人妻系列 视频| 午夜福利视频在线观看免费| 国产高清不卡午夜福利| 91午夜精品亚洲一区二区三区| 色视频在线一区二区三区| 三级国产精品片| 少妇高潮的动态图| 久久久久视频综合| 久久久久久久亚洲中文字幕| 国产免费一区二区三区四区乱码| 成年动漫av网址| 黄片无遮挡物在线观看| 国产亚洲午夜精品一区二区久久| 建设人人有责人人尽责人人享有的| 欧美激情国产日韩精品一区| 亚洲美女黄色视频免费看| 一区二区三区四区激情视频| 久久久久久人人人人人| 在线天堂最新版资源| 男女边吃奶边做爰视频| 青春草国产在线视频| 国产亚洲精品第一综合不卡 | 久久午夜福利片| 99久久人妻综合| 交换朋友夫妻互换小说| 91久久精品国产一区二区三区| 蜜桃国产av成人99| 狠狠婷婷综合久久久久久88av| 国产精品一区二区在线不卡| 久久久久视频综合| 国产精品99久久99久久久不卡 | 日韩大片免费观看网站| 久久久久精品性色| 日韩,欧美,国产一区二区三区| 少妇被粗大猛烈的视频| 一区二区三区乱码不卡18| 国产精品麻豆人妻色哟哟久久| 视频在线观看一区二区三区| 啦啦啦视频在线资源免费观看| 免费看av在线观看网站| 在线看a的网站| 综合色丁香网| 久久久久久人妻| 制服丝袜香蕉在线| 亚洲av电影在线观看一区二区三区| 中文字幕亚洲精品专区| 在线天堂最新版资源| 高清av免费在线| 九九爱精品视频在线观看| 天天躁夜夜躁狠狠躁躁| 欧美最新免费一区二区三区| 九色成人免费人妻av| 婷婷色av中文字幕| 人人妻人人澡人人爽人人夜夜| 丰满乱子伦码专区| 国产精品久久久久久久久免| 色网站视频免费| 蜜桃在线观看..| 99精国产麻豆久久婷婷| 中文精品一卡2卡3卡4更新| 国产片特级美女逼逼视频| 丝袜喷水一区| 一级毛片黄色毛片免费观看视频| 制服诱惑二区| 中文字幕av电影在线播放| 另类精品久久| 午夜免费观看性视频| 日本-黄色视频高清免费观看| 午夜激情久久久久久久| 中文字幕亚洲精品专区| 国产精品 国内视频| 一级毛片我不卡| 亚洲精品美女久久久久99蜜臀 | 不卡视频在线观看欧美| 国产 一区精品| 好男人视频免费观看在线| 日韩视频在线欧美| 免费播放大片免费观看视频在线观看| 精品一区二区三区视频在线| 国产欧美亚洲国产| www.熟女人妻精品国产 | 精品国产乱码久久久久久小说| 亚洲人与动物交配视频| 一级毛片黄色毛片免费观看视频| 看免费av毛片| 国产午夜精品一二区理论片| 国产成人91sexporn| 天堂俺去俺来也www色官网| 纵有疾风起免费观看全集完整版| 午夜免费鲁丝| 国产成人午夜福利电影在线观看| 亚洲精品色激情综合| 亚洲图色成人| 大香蕉久久成人网| 97人妻天天添夜夜摸| 欧美xxⅹ黑人| 爱豆传媒免费全集在线观看| 久久久久人妻精品一区果冻| 高清在线视频一区二区三区| av福利片在线| 侵犯人妻中文字幕一二三四区| 国产成人精品福利久久| 校园人妻丝袜中文字幕| 日韩在线高清观看一区二区三区| 男女边吃奶边做爰视频| 亚洲精品久久成人aⅴ小说| 五月玫瑰六月丁香| 久久人人97超碰香蕉20202| 欧美精品一区二区免费开放| 水蜜桃什么品种好| 九九在线视频观看精品| 国产av国产精品国产| 熟女av电影| 波多野结衣一区麻豆| 国产精品一区www在线观看| 国产av精品麻豆| 亚洲婷婷狠狠爱综合网| 国产探花极品一区二区| 在线观看三级黄色| 男人舔女人的私密视频| 久久99精品国语久久久| 五月天丁香电影| 久久久久久久久久久免费av| 久久人人爽av亚洲精品天堂| 免费黄频网站在线观看国产| 成人国产麻豆网| 久久精品夜色国产| 99国产综合亚洲精品| 免费大片18禁| 热99久久久久精品小说推荐| 99热网站在线观看| 亚洲国产欧美日韩在线播放| 久久免费观看电影| 在线 av 中文字幕| 国产免费现黄频在线看| 在线观看国产h片| 国产又爽黄色视频| 亚洲欧美成人综合另类久久久| 久久久精品区二区三区| 亚洲一区二区三区欧美精品| 午夜福利影视在线免费观看| 久久鲁丝午夜福利片| 亚洲欧洲精品一区二区精品久久久 | 国产 精品1| 久久99一区二区三区| 国语对白做爰xxxⅹ性视频网站| 日本爱情动作片www.在线观看| 亚洲在久久综合| 黄色怎么调成土黄色| 欧美激情国产日韩精品一区| 人人妻人人添人人爽欧美一区卜| 欧美人与善性xxx| 国产精品女同一区二区软件| 国产毛片在线视频| 午夜久久久在线观看| 97在线人人人人妻| 26uuu在线亚洲综合色| 久久精品久久久久久久性| 精品福利永久在线观看| 日韩免费高清中文字幕av| 精品国产露脸久久av麻豆| 国产高清国产精品国产三级| 9热在线视频观看99| 日本-黄色视频高清免费观看| 嫩草影院入口| 亚洲精品美女久久av网站| 成人18禁高潮啪啪吃奶动态图| 在线观看免费视频网站a站| 精品久久久久久电影网| 欧美日韩亚洲高清精品| 国产黄频视频在线观看| 黄色视频在线播放观看不卡| 狠狠婷婷综合久久久久久88av| 99久国产av精品国产电影| 99视频精品全部免费 在线| 我的女老师完整版在线观看| 国产亚洲一区二区精品| av网站免费在线观看视频| 色婷婷久久久亚洲欧美| 国产精品久久久久久久电影| 在线观看免费高清a一片| 久久精品国产亚洲av涩爱| 青青草视频在线视频观看| 18禁国产床啪视频网站| 国产亚洲最大av| 成人午夜精彩视频在线观看| 九色成人免费人妻av| 亚洲国产看品久久| 黑人高潮一二区| 在线观看人妻少妇| 亚洲av男天堂| 新久久久久国产一级毛片| 亚洲国产av影院在线观看| 韩国精品一区二区三区 | 最近2019中文字幕mv第一页| 男的添女的下面高潮视频| 国产老妇伦熟女老妇高清| 国产av码专区亚洲av| 久久精品国产综合久久久 | 欧美日韩视频高清一区二区三区二| 欧美人与善性xxx| 精品第一国产精品| 尾随美女入室| 丰满迷人的少妇在线观看| 在线精品无人区一区二区三| 伦理电影免费视频| av视频免费观看在线观看| av一本久久久久| 18+在线观看网站| 伦理电影免费视频| 热99久久久久精品小说推荐| 国产亚洲最大av| 日韩成人伦理影院| 欧美性感艳星| 亚洲久久久国产精品| 黄色怎么调成土黄色| 日本黄色日本黄色录像| 91精品国产国语对白视频| 夫妻性生交免费视频一级片| 成人无遮挡网站| 国产av精品麻豆| 亚洲av免费高清在线观看| 国产免费一级a男人的天堂| 9热在线视频观看99| 一级,二级,三级黄色视频| 99热6这里只有精品| 亚洲激情五月婷婷啪啪| 久久精品夜色国产| 丝袜人妻中文字幕| 三级国产精品片| 亚洲天堂av无毛| 内地一区二区视频在线| www.色视频.com| 一个人免费看片子| 2018国产大陆天天弄谢| 日韩在线高清观看一区二区三区| 亚洲情色 制服丝袜| 精品少妇黑人巨大在线播放| 亚洲,一卡二卡三卡| 波野结衣二区三区在线| 国产精品久久久久久av不卡| 肉色欧美久久久久久久蜜桃| 亚洲五月色婷婷综合| 黄片无遮挡物在线观看| 女的被弄到高潮叫床怎么办| 搡女人真爽免费视频火全软件| 久久精品国产a三级三级三级| 黑人高潮一二区| 两个人免费观看高清视频| 丰满迷人的少妇在线观看| 捣出白浆h1v1| 丰满少妇做爰视频| 中文字幕人妻丝袜制服|