基于稀疏子空间表示的在线目标跟踪
文中将增量子空间学习和稀疏表示模型相结合，进行在线目标跟踪。在粒子滤波框架中，采取高斯函数随机取样，并使用二次取样对样本进行过滤。通过增量PCA算法更新训练集状态，并以训练集的特征向量构造稀疏子空间模型。在将跟踪结果加入训练集之前，引入遮挡检测方法进行判断。文中算法实现了形变、旋转、光照、遮挡等各种复杂情况下的实时跟踪，同时实现了跟踪窗口随跟踪目标自适应尺度变化以及自适应旋转的功能。
在线目标跟踪 增量子空间 稀疏表示 训练集
王保云 陈飞 邓萍
南京邮电大学自动化学院,江苏南京210023
国际会议
长沙
中文
3975-3980
2014-05-31（万方平台首次上网日期，不代表论文的发表时间）