融合增量主成分分析与粒子滤波的车辆表观模型跟踪

摘要：

针对车辆运动方向持续变化、目标车辆距离远近变化、光照强度变化等场景下,稳定且实时性地跟踪车辆的难点问题,融合自相关矩阵增量主成分分析(Incremental Principal Component Analysis,IPCA)增量学习与粒子滤波算法的基础上,提出一种新的基于表观模型(Appearance Model,AM)的车辆跟踪方法,从跟踪初始利用自相关矩阵与特征值分解构建车辆的子空间图像,通过IPCA增量学习后的子空间均值、特征向量基共同参与似然概率密度的计算,提高粒子滤波算法粒子权值计算的精度.标准视频的跟踪实验表明:对比P.Hall-IPCA与D.Ross-IPCA表观模型跟踪方法,所提AM-IPCA车辆跟踪方法将跟踪成功率分别由82.7％～92.3％、92.1％～95.2％提升至95.1％～96.4％.

关键词：车辆跟踪、表观模型、自相关矩阵、增量学习、粒子滤波

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：金陵科技学院高层次人才科研启动项目jit-rcyj-201508;国家自然科学基金项目61375121;国家自然科学基金项目61305011;南京市经信委项目;南京市科委重大项目

在线出版日期：2017-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：33-38