基于核学习的运动目标跟踪算法综述

摘要

核方法通过将原始空间数据映射到高维希尔伯特空间,将非线性映射隐含在线性学习器中,使用核函数代替高维空间中复杂的内积运算,能够有效避免高维空间计算带来的"维数灾难".核方法具备可学习性、高效计算、可线性化、泛化性能好等优势,为解决非线性目标跟踪问题提供了一种新的有效途径.传统的目标跟踪方法往往利用跟踪模型预测目标当前运动状态,并确保跟踪的准确性与实时性,核方法则提供了线性化处理的一般途径,且可以不依赖具体模型,具备高效计算能力,将核学习方法引入目标跟踪领域有望提升目标跟踪的环境适应性.本文基于核方法基本思想,着重梳理了核学习目标跟踪当前的研究进展,包括基于核学习的目标检测算法、生成式和判别式目标跟踪算法,以及构造不同核函数的多核学习方法,并对核学习目标跟踪在核函数优化、长时间跟踪、特征提取、目标遮挡等方面的进一步研究与探索进行展望.