基于子空间自适应学习的粒子滤波跟踪算法

摘要

为了提高目标外观迅速变化时视觉跟踪算法的鲁棒性,提出了一种基于自适应子空间学习的粒子滤波跟踪算法.在粒子滤波构架下,建立状态判决机制,根据判决结果并结合主成分分析(PCA)子空间与正交子空间的特点,选择合适的学习方法.这样既能准确、稳定地学习到目标的低维子空间,又能迅速地学习到目标外观变化的趋势.同时,加入鲁棒估计技术处理遮挡问题,避免了对目标状态估计的影响.实验结果表明,该算法在光照变化、姿态变化、遮挡的情况下,均具有较强的鲁棒性.