论文部分内容阅读
现有的场景识别系统往往需要大量场景训练数据进行训练,而收集这些数据往往是困难的,且训练是离线的,添加新的场景需要重新训练,因此系统实时性、可扩展性和鲁棒性较差。提出一种基于增量主成分分析(PCA)的场景在线学习方法,通过增量PCA算法的子空间实时更新能力,并计算样本投影的PCA和设置两个判别阈值θclass、θdistance处理不同的样本情况来达到减少计算量,实现增量的在线学习和识别场景样本的目的。实验表明,此方法有效解决了收集训练数据的困难,实现了场景知识在线积累和更新,大大增强了PCA算法的实