基于时序特性的自适应增量主成分分析的视觉跟踪

来源：电子与信息学报杂志2015年第11期北京时间：

作者：蔡自兴, 彭梦, 余伶俐

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，自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化。实验结果验证了所提方法能有效提高跟踪的鲁棒性和精度。

关键词：视觉跟踪, 主成分分析, 增量子空间学习, 遗忘因子, 自适应增量

基金资助：国家自然科学基金重大研究计划(90820302)和国家自然科学基金(61175064, 61403426, 61403423)