基于稀疏表示的视觉机器人运动目标跟踪研究  

Moving Target Tracking of Visual Robot Based on Sparse Representation

作　　者：许文龙[1] 朱加雷[2] 王飞 陈国华[1] 

机构地区：[1]北京化工大学机电工程学院,北京100029 [2]北京石油化工学院能源工程先进连接技术北京市工程研究中心,北京102600 [3]中国石油长庆石化公司,陕西咸阳712000

出　　处：《机电工程技术》2013年第9期1-4,共4页Mechanical & Electrical Engineering Technology

基　　金：国家自然科学基金项目(编号:51205026);北京市属高校创新团队建设提升计划(编号:IDHT20130516)

摘　　要：针对分类器学习常常面临高维数据的问题,借助稀疏表示理论对目标样本多尺度Harr特征进行数据降维,构建朴素贝叶斯分类器进行目标正负样本的学习和更新,选择具有最大分类器响应值的样本作为目标的当前状态,实现了对运动目标的快速而有效的跟踪。实验结果表明该方法适用于机器人运动目标跟踪,在提高实时性的同时能保持一定的鲁棒性。For the problem of high-dimensional data faced with classifier learning, this paper proposes a method of data dimensionality reduction to multi-scale Harr featrues with sparse representation theory, and chooses Naive Bayes classifier to learn and update the positive and negative samples of target. The sample with the maximum classification response value is selected as the current status of the target, that achieves fast and efficient tracking of moving target. Experimental resuhs show that the method improves the real-time while maintaining a certain robustness and can apply to moving target tracking of visual robot.

关 键 词：视觉伺服机器人 稀疏表示 目标跟踪 

分 类 号：TP24[自动化与计算机技术—检测技术与自动化装置]