论文部分内容阅读
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