[发明专利]基于局部稀疏外观模型和K-选择的鲁棒性视觉跟踪方法

权利要求书

1.一种基于局部稀疏外观模型和K-选择的鲁棒性视觉跟踪方法，其特征在于，包括以下步骤：

S1.使用局部稀疏表示对目标块的外观进行建模，稀疏编码直方图表示目标的基分布；

S2.通过梯度下降学习字典作为基选择的工具，引入K-选择的字典进行学习；

S3.稀疏约束正则化的均值偏移，通过稀疏表示找到目标中心，最终得出跟踪结果。

2.根据权利要求1所述基于局部稀疏外观模型和K-选择的鲁棒性视觉跟踪方法，其特征在于，所述步骤S1中使用局部稀疏表示对目标块的外观进行建模的具体过程包括：

S1.1.1给定当前帧的图像I，通过滑动大小为m×n的窗口，以目标区域内的每个像素为中心采样一组小图像片段X＝{xi|i＝1：N′}，其中xi是第i列向量化图像块；

S1.1.2通过局部约束线性编码将目标函数表达为：

其中，Φ是从目标块中学习的基词典，α是稀疏系数，⊙是元素乘法，d是指向x和Φ中所有基向量之间的欧氏距离向量；

S1.1.3通过求解较小的线性系统B获得局部约束线性编码近似值：

m i n α ^ | | x - B α ^ | | 2 , s . t . 1 T α ^ = 1 - - - ( 2 ) ]]>

其中，B为公式(2)中Φ和α的子集，是密集解，是LLC原始α*中的非零系数，对应于B中所有其他组成系数为0。