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
' u: L) F( f! D8 {* o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
: @) `2 s7 t6 ]" `! ?3 G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
! J& o# `! p" y) R3 g; E: w( R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
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
化。
8 p# A& X) ]) l5 w9 C' W  x% K: }' f关键词：目标跟踪；偏最小二乘；表观模型；随机梯度；联合优化
1 引言
视觉目标跟踪是计算机视觉领域的一项重要研
究方向，目的是将目标从背景中准确分离出来，实
质是目标的连续检测与识别。然而由于实际跟踪场
5 i& Z" @* [( x- q: V9 Y: w景中，目标表观与背景往往会出现各种不规律的变
/ S, w0 n3 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
/ ?8 u! e& ~# d2 }" E何克服这些挑战，有效提高跟踪算法的鲁棒性与准
: ]& j& ?' b7 @( T
- L4 ]2 }6 s8 M+ W

1 R* H& b  m% K9 x: }

- Y) Z4 d5 P! J& \: y- o6 n附件下载：

游客，如果您要查看本帖隐藏内容请回复

wuhoou

谢谢分享