论文部分内容阅读
针对传统的基于生成模式的跟踪方法对噪声及遮挡问题比较敏感，导致跟踪结果失败的问题，提出了以前几帧的跟踪结果作为观测矩阵，采用鲁棒的主元成分分析模型求解观测模型的低秩特征．当新的视频流到来时，不是把所有的跟踪结果矩阵作为观测矩阵．并提出了新的增量鲁棒的主元成分分析模型，采用增广拉格朗日算法求解新矩阵的低秩特征，并以此低秩矩阵在贝叶斯框架下建立跟踪模型，用恢复的低秩特征更新字典矩阵．将文中方法与其他6种跟踪算法在8种跟踪视频上进行跟踪对比．实验结果表明，所提出的方法具有较低的像素中心位置误差和较高的重叠率．