10.3969/j.issn.1001-3695.2011.09.108
基于鲁棒子空间学习的粒子滤波跟踪算法木
线性子空间模型能够有效地描述目标表面受到光照和姿势变化的情况,然而大多数基于子空间表面模型的目标跟踪算法是在跟踪之前通过训练不同光照和姿势下目标的观测图像,得到一组特征基,并用这组特征基表示不同时刻目标表面变化,一旦训练完成之后,特征基就保持不变,不能在线更新.采用增量子空间学习的方法来构建目标表面的特征基,该特征基能够在线适应目标表面的变化.另一方面,传统的子空间学习方法是基于最小二乘重构误差,该方法容易受到异常测量数据的影响,为此采用鲁棒的子空间学习方法来降低异常测量数据对特征空间更新的影响.最后将鲁棒特征基表面模型结合状态推理框架中的粒子滤波算法来传播目标的运动参数,达到准确跟踪的目的.
目标跟踪、粒子滤波、增量子空间学习、鲁棒特征空间学习
28
TP391.4(计算技术、计算机技术)
中国科学院科技创新基金资助项目A08 k001
2012-01-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
3579-3584