基于稀疏表示的多目标跟踪基本流程（文献分析）

      大家好，最近教研室的朋友们纷纷开博，作为定时上交周报以及月报的我，独乐乐不如众乐乐。以此不定时上传跟大家分享一下。由于本人教研室工作较忙，除了文献方法研究还要做工程项目，学习应用其他编程语言，你懂的。。请原谅我经常采用截图的方式上传自己的文件，作为成电的一名研究生，在此抛砖引玉，欢迎各路高手多多指点！

      

基本操作：

     目标检测：使用背景减除

     特征提取：把目标区域上下分成两个RGB直方图。

     判别相似外观的物体：使用位置信息

      模式分类：用上文稀疏表示的方法。但问题在于目标重叠时难以区分其是否为新加入目标。

      新目标的识别：x中xi的占比越接近于0说明其是新目标的可能性越高。

      模板集在线更新：逐帧更新A的列，并有如下几个约束操作：

           1）为避免身份转换，初始检测物体采样总是存在数据集里。

           2）通过初始采样时使用小幅高斯噪声扰动，实现模板集初始化

           3）某一类的模板从最近的模板中分享相同的位置信息。

基本原理：

           

参考文献：LuW, Bai C, Kpalma K, et al. Multi-object tracking using sparse representation[J]. 2013, 32(3):2312-2316.