合肥工业大学计算机与信息学院, 合肥 230009
针对当前目标跟踪算法鲁棒性低且运算慢的问题, 本文提出了一种基于子空间学习的实时目标跟踪算法。该方法在粒子滤波跟踪框架下, 采用增量式 PCA子空间学习方法学习一个正交子空间, 利用学习到的正交子空间对目标外观进行线性表示; 针对目标在遮挡、运动模糊等复杂干扰状态下容易产生跟踪漂移的问题, 本文建立了一个将遮挡等复杂因素考虑在内的观测模型和模板更新方案, 解决了基于最小均方误差准则的传统观测模型在复杂场景下的跟踪漂移问题。实验结果表明, 本文的跟踪方法能够达到很高的跟踪精度, 同时也达到了接近实时的跟踪速度。
视觉跟踪 PCA子空间 增量式子空间学习 粒子滤波 visual tracking PCA subspace incremental subspace learning particle filtering
