Robust Object Tracking with Compressive Sensing and Patches Matching 

　　基于压缩感知和块匹配的鲁棒目标跟踪 

　　目标跟踪是计算机视觉中的基础问题之一。如何提高复杂环境中的跟踪效果仍有必要继续研究。本文提出了一个分块协同压缩追踪（Patches-collaborative compressive tracking）的算法。实验表明，对于复杂有挑战的测试序列，与目前较先进的算法相比，本文提出的方法取得了较好的效果。 

　　图1. 垂直和水平块的示意图 实线所示的边界框是由分类器获得的初始跟踪目标；虚线所示的边界框是候选跟踪目标。 　　 

　　图2. 跟踪结果图 (a) david2序列 (b) dudek序列 (c) tiger2序列 　　  

　　图3. 跟踪结果图 (a) boy序列 (b) jump序列 (c) david3序列 (d) lem序列 

　　本文链接：

       https://www.jstage.jst.go.jp/article/transinf/E99.D/6/E99.D_2015EDL8235/_article/-char/en