-
题名基于增量子空间自适应决策的目标跟踪
被引量：14
- 1
-
-
作者
仝小敏
张艳宁
杨涛
-
机构
西北工业大学计算机学院陕西省语音与图像信息处理重点实验室
-
出处
《自动化学报》
EI
CSCD
北大核心
2011年第12期1483-1494,共12页
-
基金
国家自然科学基金(60903126
60872145)
+2 种基金
中国博士后特别基金(201003685)
中国博士后基金(20090451397)
西北工业大学基础研究基金(JC201120)资助~~
-
文摘
基于增量子空间的目标跟踪算法多数不加选择地将检测到的目标作为模板训练的样本,并以固定频率更新模板,这种无反馈闭环机制使得算法在目标外观模型发生变化、光照变化等复杂条件下难以鲁棒跟踪目标,一旦跟踪失败很难从错误中恢复.为此,我们提出一种反馈闭环跟踪算法,在增量子空间粒子滤波跟踪框架下,引入跟踪状态判决作为后续模板更新依据.通过判决反馈信息选择合适的样本适时更新模板,有效克服目标外观模型的变化,持续跟踪目标.实验结果表明,由于引入跟踪状态判决,在目标外观变化、光照变化等情况下,本算法能够以与环境相适应的频率及时更新模板,提高跟踪精度,实验结果验证了本文算法的鲁棒性和有效性.
-
关键词
自适应更新
跟踪状态判决
子空间增量学习
目标跟踪
-
Keywords
Adaptive updating
tracking state judgement
subspace incremental learning
object tracking
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于自适应增量PCA算法的移动机器人场景识别
被引量：1
- 2
-
-
作者
田文奇
瞿心昱
-
机构
浙江交通职业技术学院机电学院
-
出处
《机床与液压》
北大核心
2015年第9期87-89,共3页
-
基金
浙江省教育厅科研项目(Y201431313)
-
文摘
现有的场景识别系统往往需要大量场景训练数据进行训练,而收集这些数据往往是困难的,且训练是离线的,添加新的场景需要重新训练,因此系统实时性、可扩展性和鲁棒性较差。提出一种基于增量主成分分析(PCA)的场景在线学习方法,通过增量PCA算法的子空间实时更新能力,并计算样本投影的PCA和设置两个判别阈值θclass、θdistance处理不同的样本情况来达到减少计算量,实现增量的在线学习和识别场景样本的目的。实验表明,此方法有效解决了收集训练数据的困难,实现了场景知识在线积累和更新,大大增强了PCA算法的实时性、可扩展性和鲁棒性。
-
关键词
场景识别
自适应增量pca子空间
在线学习
-
Keywords
Scene recognition
Adaptive incremental pca
Subspace
Online learning
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名一种基于子空间学习的实时目标跟踪算法
被引量：7
- 3
-
-
作者
孙锐
黄静茹
丁文秀
-
机构
合肥工业大学计算机与信息学院
-
出处
《光电工程》
CAS
CSCD
北大核心
2015年第2期52-58,共7页
-
基金
中国博士后基金面上项目(2013M531504)
教育部留学回国人员科研启动基金资助项目
国家自然科学基金面上项目(61471154)
-
文摘
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。
-
关键词
视觉跟踪
pca子空间
增量式子空间学习
粒子滤波
-
Keywords
visual tracking
pca subspace
incremental subspace learning
particle filtering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于在线学习的自适应粒子滤波视频目标跟踪
被引量：2
- 4
-
-
作者
席涛
张胜修
颜诗源
徐晓淼
-
机构
第二炮兵工程学院
第二炮兵驻
-
出处
《光电工程》
CAS
CSCD
北大核心
2010年第6期29-34,共6页
-
基金
学院青年科技创新项目(XY2009JJB27)
-
文摘
传统的粒子滤波视觉跟踪算法采用固定模型和大量粒子表征目标后验概率,不能满足复杂条件下的视频目标实时跟踪。为了提高跟踪的鲁棒性和稳定性及计算效率,本文提出将自适应状态演化方程和在线增量学习观测似然模型嵌入到粒子滤波算法;并采用在线自动调整粒子数目的策略,提高粒子滤波视觉跟踪的计算效率。室内外实验结果表明,文中提出的视觉跟踪算法不仅能准确、高效地跟踪序列图像中的运动目标,而且对光照、姿态变化引起的目标表观变化具有良好的鲁棒性。
-
关键词
视觉跟踪
自适应模型
增量学习
子空间
粒子滤波
-
Keywords
visual tracking
adaptive model
incremental learning
subspace
particle filter
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
