基于时序特性的自适应增量主成分分析的视觉跟踪
当前基于增量主成分分析(PCA)学习的跟踪方法存在两个问题,首先,观测模型没有考虑目标外观变化的连续性;其次,当目标外观的低维流行分布为非线性结构时,基于固定频率更新模型的增量PCA学习不能适应子空间模型的变化。为此,该文首先基于目标外观变化的连续性,在子空间模型中提出更合理的目标先验概率分布假设。然后,根据当前跟踪结果与子空间模型之间的匹配程度,自适应调整遗忘比例因子,使得子空间模型更能适应目标外观变化。实验结果验证了所提方法能有效提高跟踪的鲁棒性和精度。
视觉跟踪、主成分分析、增量子空间学习、遗忘因子、自适应增量
TP391(计算技术、计算机技术)
国家自然科学基金重大研究计划90820302;国家自然科学基金61175064,61403426,61403423Foundation Items:The Major Research Project of the National Natural Science Foundation of China90820302;The National Natural Science Foundation of China61175064,61403426,61403423
2015-11-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
2571-2577