基于判別模型的視覺跟蹤算法的研究.pdf

1、對于視覺跟蹤的研究，最近幾年隨著高水平論文代碼的高度公開和基準測試集的不斷擴展完善，已經(jīng)取得了飛速的發(fā)展。然而，盡管這些工作非常有用，但是它們對于認識和診斷不同跟蹤器的優(yōu)勢和不足仍然是一個問題。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，即把一個跟蹤器分解為五個組成模塊：訓練樣本采集模塊，觀測模型模塊，檢測樣本采集模塊，樣本特征表示模塊，觀測模型更新模塊。然后在這五個組成模塊上分別進行對照實驗來研究各個組成模塊對跟蹤系

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：針對這五個組成模塊中的每一個，本文都提出了相應的改進和設置：在訓練樣本采集模塊，本文使用非負最小二乘法，巴氏系數(shù)和巴氏距離算法權重化正樣本標簽；在觀測模型模塊，我們引入了一種計算復雜度低，具有閉合形式精確解，但性能與支持向量機相媲美的回歸算法——脊回歸；在檢測樣本采集模塊，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