结合PLS表示与随机梯度的目标优化跟踪

金广智　石林锁　刘　浩　牟伟杰　蔡艳平（火箭军工程大学五系西安710025）



结合PLS表示与随机梯度的目标优化跟踪

金广智*石林锁刘浩牟伟杰蔡艳平
（火箭军工程大学五系西安710025）

针对实际视觉跟踪中目标表观与前背景的非线性变化，论文提出一种基于偏最小二乘分析（PLS）表示与随机梯度的目标优化跟踪方法。该方法将目标跟踪转化为表示误差与分类损失的联合优化问题。首先，为了提高算法对前背景表观变化的稳定性，利用PLS理论的非线性对目标区域的前背景信息进行表达，并通过空间聚类构造多个线性外观模型来描述目标区域的动态变化，建立带约束条件的表观特征库；然后，提出一种确定性搜索机制，构造联合优化目标函数，使表示误差与分类损失最小化；结合表观建模特点，构建随机梯度分类器，对模型进行增量特征更新，最终实现对目标的稳定准确跟踪。经多场景对比实验验证，该算法能有效应对目标前背景的多种复杂变化。

目标跟踪；偏最小二乘；表观模型；随机梯度；联合优化

1　引言

视觉目标跟踪是计算机视觉领域的一项重要研究方向，目的是将目标从背景中准确分离出来，实质是目标的连续检测与识别。然而由于实际跟踪场景中，目标表观与背景往往会出现各种不规律的变化，如光照突变、频繁遮挡，目标旋转、相机运动、背景突变等均对跟踪算法带来了较大挑战。因此如何克服这些挑战，有效提高跟踪算法的鲁棒性与准确性成为目前研究的热点与难点［1］。……