10.3969/j.issn.1003-501X.2010.06.006
基于在线学习的自适应粒子滤波视频目标跟踪
传统的粒子滤波视觉跟踪算法采用固定模型和大量粒子表征目标后验概率,不能满足复杂条件下的视频目标实时跟踪.为了提高跟踪的鲁棒性和稳定性及计算效率,本文提出将自适应状态演化方程和在线增量学习观测似然模型嵌入到粒子滤波算法;并采用在线自动调整粒子数目的策略,提高粒子滤波视觉跟踪的计算效率.室内外实验结果表明,文中提出的视觉跟踪算法不仅能准确、高效地跟踪序列图像中的运动目标,而且对光照、姿态变化引起的目标表观变化具有良好的鲁棒性.
视觉跟踪、自适应模型、增量学习、子空间、粒子滤波
37
TP391.4(计算技术、计算机技术)
学院青年科技创新项目XY2009JJB27
2010-08-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
29-34