基于增量式子空间学习的视觉跟踪系统.pdfVIP

第36卷 第2期 计 算 机 工 程 2010年 1月 Vo1．36 No．2 ComputerEngineering January2010 · 人工智能及识别技术 · 文章编号2010)02--018903 文献标识码：A 中圈分类号tTP391 基于增量式子空间学习的视觉跟踪系统 周仲夷，朱远毅 (复旦大学计算机科学技术学院，上海 200433) 摘 要：为了提高视觉跟踪方法在物体外观发生变化时的性能，提出一种基于增量式子空间学习的视觉跟踪系统。该系统利用基于增量式 主成分分析的粒子滤波方法增量式地学习一个表示跟踪结果的低维特征空间，以反映El标物体的外观变化。实验结果表明，当目标物体在 复杂环境中承受姿态和光照变化时，该视觉跟踪系统具有更好的性能。 关健诃：增量式子空间学习；增量式主成分分析 ；粒子滤波 VisualTrackingSystem Based0nIncrementalSubspaceLearning ZHoU Zhong-yi．ZHUYuan·yi (SchoolofComputerScienceandTechnology,Fudna University,Shnaghai200433) [Abstract]Inordertoenhancetheperformnaceofvisualtrackingmethodswihtobjectappearancevariation，thispaperproposesna visualtracking system basedonincrementalsubspacelearning．ByusingparticlefiltermehtodbasedonIncrementalPrincipalComponentAnalysis(IPCA)，this system incrementallylearnsalowdimensionaleigenspacerepresentationofhtertackingresultstoreflectapperaancevariationofthetragetobject． Experimentsdemonstratethatthesystem hasbetterperfomrancewhenhtetargetobjectsundergolrageposenadilluminationchnagesinsome complexenvironments． [Keywords]incrementalsubspacelearning；IncrementalPrincipalComponentAnalysis(1PCA)；particlefiltering 1 概述 果在下一帧中选取一定量的候选点，这样可以使样本的概率 视觉跟踪的主要难点来源于 目标物体的外观变化。引起 分布随时间的推移而得以传递。最后，结合一种高效的相似 外观变化的内在因素包括物体位置和形状的变化，而外在的 度量方法，在这些候选点中选取一个作为下一帧的跟踪结果。 光照条件、相机运动、相机视点以及物体遮挡等因素不可避 实验证明，本文系统能很好地解决由目标物体的移动、旋转 免会造成巨大的物体外观变化。很多现有的视觉跟踪方法在 以及外界光照变化引起的物体外观变化问题。 跟踪开始前构造一个用于表示 目标物体的模型，并利用其不 2 基于增量式子空间学习的视觉跟踪系统 变的特征应对 由光照、位置和视角等因素引起的物体外观变 2．1 IPCA 化。例如，文献 l【】提出的方法使用预先训练好的一组特征基 IPCA 方法 不必假设输入样本为零均值并可以动