文件名称：基于偏最小二乘分析和稀疏表示的目标跟踪算法 (2014年)
文件大小：2.98MB
文件格式：PDF
更新时间：2024-06-13 10:08:35
自然科学 论文
经典的基于子空间学习的跟踪方法通过主成分分析(principal component analysis, PCA)建立并更新目标的特征模型，只考虑目标的特征信息而忽视模型中每个样本的类别特征，从而降低了目标的跟踪精度。为此，提出一种基于偏最小二乘分析(partial least squares analysis, PLS)和稀疏表示的目标跟踪算法。通过PLS去分析关于目标与背景中纹理特征和类别信息之间的相关性，建立一个可区分的低维特征空间。将目标模板线性表示为所有目标候选的线性组合，当存在与目标模板相似的