技术详细介绍
本发明涉及一种基于子空间特征的多任务学习目标跟踪方法，充分利用子空间和稀疏重建在目标外观建模方面的优势，将l 1算法引入到子空间中，借助多任务学习(MTT)的方法来挖掘各个粒子之间的相互关系。构造字典时不再采用图像模板，而是利用PCA的特征子空间构成，并加入琐碎模板以重建噪声。将每一个粒子稀疏表达系数的求解看作是MTT中的一个单任务学习问题，通过施加常用的混合范数l2,1来联合求解所有粒子的稀疏表示系数，并借助Accelerated Proximal Gradient(APG)方法来进行多任务稀疏表示的求解。相较于l 1跟踪的方法，MTT方法通过挖掘粒子之间的相关性来提高跟踪效果和降低跟踪的计算复杂度。