基于时序特性的自适应增量主成分分析的视觉跟踪

摘要：

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。

关键词：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

分类号：TP391(计算技术、计算机技术)

资助基金：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

在线出版日期：2015-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2571-2577