结合 PLS 表示与随机梯度的目标优化跟踪

BeardRen

摘 要：针对实际视觉跟踪中目标表观与前背景的非线性变化，论文提出一种基于偏最小二乘分析(PLS)表示与随
) |4 X$ K9 g% |& I1 l! u机梯度的目标优化跟踪方法。该方法将目标跟踪转化为表示误差与分类损失的联合优化问题。首先，为了提高算法
* V3 w5 m) ?$ ~; X4 p对前背景表观变化的稳定性，利用 PLS 理论的非线性对目标区域的前背景信息进行表达，并通过空间聚类构造多
0 O: n' w8 i5 B, a3 X9 ~8 i个线性外观模型来描述目标区域的动态变化，建立带约束条件的表观特征库；然后，提出一种确定性搜索机制，构
- d) b3 a0 |/ z! G" A5 x造联合优化目标函数，使表示误差与分类损失最小化；结合表观建模特点，构建随机梯度分类器，对模型进行增量
特征更新，最终实现对目标的稳定准确跟踪。经多场景对比实验验证，该算法能有效应对目标前背景的多种复杂变
. I* s" R$ I) Q) M化。
3 f1 [9 N) A* W2 A8 J关键词：目标跟踪；偏最小二乘；表观模型；随机梯度；联合优化
0 m/ c1 |: r  r6 d+ R1 引言
视觉目标跟踪是计算机视觉领域的一项重要研
; Y. l8 f, }# r究方向，目的是将目标从背景中准确分离出来，实
5 W, B( z$ \; {/ r质是目标的连续检测与识别。然而由于实际跟踪场
# v; L! y2 }( b: Y+ [+ Y. y* E景中，目标表观与背景往往会出现各种不规律的变
5 B9 x! V. w7 n化，如光照突变、频繁遮挡，目标旋转、相机运动、
背景突变等均对跟踪算法带来了较大挑战。因此如
何克服这些挑战，有效提高跟踪算法的鲁棒性与准

1 F7 ^8 S+ U( @! l  D: Y. o


4 j! _. c; i8 s+ r; A" h$ \
' ~- W" Y: p4 \$ S" N% l附件下载：

游客，如果您要查看本帖隐藏内容请回复

6 u" D- r: t0 H; M9 F) m
, i4 w" H& o1 U3 ]

wuhoou

谢谢分享