增量学习Rao-Blackwellized粒子滤波的跟踪算法

摘要：

基于特征子空间的目标跟踪方法能适应目标状态的变化,并对光照等外部环境不敏感,但通常假定特征子空间的基向量固定,这样不仅需要离线训练,而且在目标姿态发生较大改变时,跟踪精度会降低.提出一种基于增量学习的Rao-Blackweilized粒子滤波算法,通过在线学习获得特征子空间的基向量,并用解析的方法对目标在子空间的投影参数进行在线更新.实验表明,新算法在目标有较大形变、姿态变化和光照等条件变化时,能保持较高跟踪精度,具有较强的鲁棒性.

关键词：跟踪算法、特征子空间、增量学习、Rao-Blackwellized粒子滤波

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863the National High-Tech Research and Development Plan of China under Grant 2007AA701206

在线出版日期：2009-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：172-174,193