结合PLS表示与随机梯度的目标优化跟踪
针对实际视觉跟踪中目标表观与前背景的非线性变化,论文提出一种基于偏最小二乘分析(PLS)表示与随机梯度的目标优化跟踪方法。该方法将目标跟踪转化为表示误差与分类损失的联合优化问题。首先,为了提高算法对前背景表观变化的稳定性,利用PLS理论的非线性对目标区域的前背景信息进行表达,并通过空间聚类构造多个线性外观模型来描述目标区域的动态变化,建立带约束条件的表观特征库;然后,提出一种确定性搜索机制,构造联合优化目标函数,使表示误差与分类损失最小化;结合表观建模特点,构建随机梯度分类器,对模型进行增量特征更新,最终实现对目标的稳定准确跟踪。经多场景对比实验验证,该算法能有效应对目标前背景的多种复杂变化。
目标跟踪、偏最小二乘、表观模型、随机梯度、联合优化
38
TP391(计算技术、计算机技术)
国家自然科学基金61501470 Foundation Item:The National Natural Science Foundation of China 61501470
2016-08-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
2027-2032