基于稀疏表示的生成式算法

　　針對視頻目標魯棒跟蹤問題，提出了一種基于稀疏表示的生成式算法。首先提取特征構建目標和背景模板，并利用隨機抽樣獲得足夠多的候選目標狀態(tài)；然后利用多任務反向稀疏表示算法得到稀疏系數(shù)矢量構造相似度測量圖，這里引入了增廣拉格朗日乘子（ALM）算法解決Li -min難題；最后從相似度圖中使用加性池運算提取判別信息選擇與目標模板相似度最高并與背景模板相似度最小的候選目標狀態(tài)作為跟蹤結果，該算法是在貝葉斯濾波框架下實現(xiàn)的。為了適應跟蹤過程中目標外觀由于光照變化、遮擋、復雜背景以及運動模糊等場景引起的變化，制定了簡單卻有效的更新機制，對目標和背景模板進行更新。對仿真結果的定性和定量評估均表明與其他跟蹤算法相比，所提算法的跟蹤準確性和穩(wěn)定性有了一定的提高，能有效地解決光照和尺度變化、遮擋、復雜背景等場景的跟蹤難題。
?