基于稀疏贝叶斯学习的相关向量跟踪

作者：路子赟; 张旭东; 高隽

来源：仪器仪表学报, 2005, S2: 387-391.

DOI：10.19650/j.cnki.cjsi.2005.s2.137

• 稀疏贝叶斯学习
• 相关向量跟踪
• 匹配跟踪
• 变尺寸采样
• 灰度直方图 Sparse Bayesian learning Relevance vector tracking Maching tracking Size-alterable sampling Gray histogram

结合稀疏贝叶斯学习方法和支持向量跟踪(SVT)原理,提出了相关向量跟踪(RVT)。由于跟踪系统事先学习到了目标的“知识”,故匹配发生在候选图像块与先验知识之间,而不必考虑模板更新。相关向量有比支持向量更稀疏的性能,所以相关向量跟踪比支持向量跟踪有更快的帧处理速度。另外,为了解决由于运动导致目标尺寸发生变化的匹配跟踪问题,采用了灰度真方图特征,引入了运动预测和变尺寸采样的方法。上述性能和方法在实验中得到了证实。

• 单位
  合肥工业大学; 江苏技术师范学院