融合李群理论与特征子空间基的图像目标跟踪
针对复杂背景下目标跟踪窗口易受噪声干扰从而产生形变与漂移的问题,本文利用群空间中仿射群组受扰动后的形不变属性,将系统状态变量映射到李群空间进行处理,同时采用增量主元分析法(IPCA)算法实时学习并更新目标特征子空间数据.所提方法在利用粒子滤波算法采样粒子时,通过引入测量向量以提高权值计算的准确性.在基于Car11等4个测试集的实验中,结果优于IVT跟踪器,本文跟踪器窗口在噪声干扰下不会产生形变,跟踪成功率达到96%,结果优于IVT跟踪器.对比Kwon跟踪器,本文跟踪方法显著降低了算法复杂度,平均执行时间有效地控制在0.32 s/帧.
目标识别、群空间、学习、特征
29
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61101197,90820306,61072148;山东省自然科学基金资助项目ZR2011FM004;高等学校博士点基金资助项目20093219120025
2013-01-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
1272-1276