基于判別模型的視覺跟蹤算法的研究.pdf

1、對(duì)于視覺跟蹤的研究，最近幾年隨著高水平論文代碼的高度公開和基準(zhǔn)測(cè)試集的不斷擴(kuò)展完善，已經(jīng)取得了飛速的發(fā)展。然而，盡管這些工作非常有用，但是它們對(duì)于認(rèn)識(shí)和診斷不同跟蹤器的優(yōu)勢(shì)和不足仍然是一個(gè)問題。為了解決該問題，我們首先提出了一種新的診斷視覺跟蹤算法的框架，即把一個(gè)跟蹤器分解為五個(gè)組成模塊：訓(xùn)練樣本采集模塊，觀測(cè)模型模塊，檢測(cè)樣本采集模塊，樣本特征表示模塊，觀測(cè)模型更新模塊。然后在這五個(gè)組成模塊上分別進(jìn)行對(duì)照實(shí)驗(yàn)來研究各個(gè)組成模塊對(duì)跟蹤系

2、統(tǒng)性能的影響程度以及是如何影響的。
　　具體內(nèi)容如下：針對(duì)這五個(gè)組成模塊中的每一個(gè)，本文都提出了相應(yīng)的改進(jìn)和設(shè)置：在訓(xùn)練樣本采集模塊，本文使用非負(fù)最小二乘法，巴氏系數(shù)和巴氏距離算法權(quán)重化正樣本標(biāo)簽；在觀測(cè)模型模塊，我們引入了一種計(jì)算復(fù)雜度低，具有閉合形式精確解，但性能與支持向量機(jī)相媲美的回歸算法——脊回歸；在檢測(cè)樣本采集模塊，本文采用粒子濾波算法中的粒子傳播模型來采集檢測(cè)樣本；在特征表示模塊，本文引入一種新穎的顏色特征，并且將其與