基于增量张量子空间学习的自适应目标跟踪.pdfVIP

第7期 电 子 学 报 Vd．37No．7 2009年7月 ACrA咖0NICASINICA 岫2009 基于增量张量子空间学习的自适应目标跟踪 温静，李洁，高新波 (西安电子科技大学电子工程学院，陕西西安710071) 摘要：传统的基于子空间的跟踪方法易于丢失图像所固有的部分结构和邻域信息，从而降低了目标匹配和跟 踪的精度．为此，本文提出了一种增量张量子空间学习算法，用于跟踪目标的建模与模型更新．同时，将该模型与贝叶 斯推理相结合，提出一种自适应目标跟踪算法：新方法首先对跟踪目标的外观进行建模，然后利用贝叶斯推理获得目 标外观状态参数的最优估计，最后利用最优估计的目标观测更新目标张量子空间．实验结果表明，由于保持了目标外 观的结构信息，本文提出的自适应目标跟踪方法具有较强的鲁棒性，在跟踪目标在姿态变化、短时遮挡和光照变化等 情况下均可有效地跟踪目标． 关键词： 张量子空间；增量学习；贝叶斯推理；仿射运动 中图分类号： 11：，391．4 文献标识码： A 文章编号：∞72_2112(2009)cr7．1618-06 Tensor withIncremental AdaptiveObjectTracking SubspaceLearning WEN Xin—bo Jil】g，UJie，GAO Un／ven／ty，瓜’∞。飘删耐710071。Oi／na) (洲矿目枷西|咖I钾蛔，Xt沈an have matching AI粥妇c【：．11鸶eonventioml舳bspacesbased扛l她嘣bodsusuallylow珥贫isi脚ofobject and位她， losetheinherentstructure this in锄印】emal because山昌y p审咖m and地ig曲嘎恻informalion．Inpaper，811 tensor跚bspa∞learning is tomodel in the tensor跚bspa∞．Sinmltaneously，bY∞mbil曲|giroposed algorithmpror,osed and唧da昭theo巧鳅appea／mlce with mdknis tie infemn∞，all representedatvearame 】e删ngalgoritlmlBayesian adaptiveobjectwacking p,esen=d．H_rstly，we 0fthe in the estimationofthestate objecttensor鲫b叩ace；secondly，obtailedoremal p日拙皤舡描byBayesianinfemr∞；finallyup- dated怔tensor the tothe