融合增量主成分分析与粒子滤波的车辆表观模型跟踪

• 作者: 吴刚 曾晓勤 王池社 苏守宝
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 车辆跟踪 表观模型 自相关矩阵 增量学习 粒子滤波
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 33-38
• 页数: 6页
• 分类号: TP391.4
• 字数: 5321字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2017.01.006

摘要

针对车辆运动方向持续变化、目标车辆距离远近变化、光照强度变化等场景下,稳定且实时性地跟踪车辆的难点问题,融合自相关矩阵增量主成分分析(Incremental Principal Component Analysis,IPCA)增量学习与粒子滤波算法的基础上,提出一种新的基于表观模型(Appearance Model,AM)的车辆跟踪方法,从跟踪初始利用自相关矩阵与特征值分解构建车辆的子空间图像,通过IPCA增量学习后的子空间均值、特征向量基共同参与似然概率密度的计算,提高粒子滤波算法粒子权值计算的精度.标准视频的跟踪实验表明:对比P.Hall-IPCA与D.Ross-IPCA表观模型跟踪方法,所提AM-IPCA车辆跟踪方法将跟踪成功率分别由82.7％～92.3％、92.1％～95.2％提升至95.1％～96.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王池社	金陵科技学院计算机工程学院	12	56	3.0	7.0
5	曾晓勤	河海大学计算机与信息学院	45	302	8.0	15.0
6	吴刚	金陵科技学院计算机工程学院	6	9	2.0	3.0
15	苏守宝	金陵科技学院计算机工程学院	21	49	4.0	5.0