CT文章翻译.docxVIP

实时的压缩跟踪张开华摘要由于受姿态变化、关照变化、遮挡以及运动模糊等因素的影响，导致开发一个有效的且高效的外表模型用于目标跟踪是一项具有挑战性的任务。现有的跟踪算法通常采用从最近帧中观察到的样本更新模型。虽然有很多成功的例子，但是，仍然有很多问题需要解决。第一，尽管这些自适应的模型是数据独立的，但是在开始使，算法没有充分的学习数据。第二，联机学习算法通常会遇见跟踪漂移（drift）问题，由于自身学习的问题，一些没有对齐的样本可能被添加到模型中，从而导致模型的性能退化。在这篇文章中，我们提出一个简单但有效且高效的跟踪算法，此算法采用了基于特征的外表模型，这些特征从数据独立的多尺度图像特征空间中选取获得。我们的外表模型采用非自适应的随机投影技术，此技术保持了目标图形特征空间的结构性。采用一个非常稀疏的矩阵有效的为外表模型提取特征。我们采用同样的稀疏矩阵压缩前景和背景的样本。跟踪的任务可以被构造成一个通过朴素贝叶斯分类器进行二分类的问题，此分类器在压缩域内被联机更新。提出的压缩跟踪算法能够实时运行且在一些具有挑战性的序列中进行测试，根据效率、精确性和健壮性评价，结果优越于其他经典的跟踪算法。1 引言尽管在一些文献中提出了大量的跟踪算法，由于姿态、光照、遮挡、运动等因素导致目标外形的变化，因此，目标跟踪仍然是一个具有挑战性的问题。一个有效的外表模型是跟踪算法成功的重要基础，在最近几年已经引