基于时序特性的自适应增量主成分分析探究的视觉跟踪.pdfVIP

第 37卷第 11期 电 子 与 信 息 学 报 Vb1．37No．11 2015年 11月 JournalofElectronics＆InformationTechnology NOV．2015 基于时序特性的自适应增量主成分分析的视觉跟踪 蔡 自兴 彭 梦 余伶俐 伸 南大学信息科学与工程学院 长沙 410083) 摘 要：当前基于增量主成分分析(PCA)学习的跟踪方法存在两个问题，首先，观测模型没有考虑 目标外观变化的 连续性；其次，当目标外观的低维流行分布为非线性结构时，基于固定频率更新模型的增量PCA学习不能适应子 空间模型的变化。为此，该文首先基于 目标外观变化的连续性，在子空间模型中提出更合理的目标先验概率分布假 设。然后，根据当前跟踪结果与子空间模型之间的匹配程度，白适应调整遗忘比例因子，使得子空间模型更能适应 目标外观变