Resumen

Presentamos un algoritmo de seguimiento de objetos rápido y robusto que utiliza 2DPCA y l2-regularización en un marco de inferencia bayesiana. En primer lugar, modelamos la apariencia desafiante del objeto rastreado utilizando bases 2DPCA, que explotan la fuerza de la representación subespacial. En segundo lugar, adoptamos la regularización l2 para resolver el modelo de presentación propuesto y eliminar las plantillas triviales del método de seguimiento disperso, lo que puede proporcionar un rendimiento de seguimiento más rápido. Por último, presentamos una nueva función de verosimilitud que tiene en cuenta el error de reconstrucción, que se obtiene a partir de la matriz ortogonal de proyección izquierda y la matriz ortogonal de proyección derecha. Los resultados experimentales en varias secuencias de imágenes difíciles demuestran que el método propuesto puede lograr un rendimiento más favorable frente a los algoritmos de seguimiento más avanzados.

• Materias:Ingeniería electrónica Sensores Redes Inalámbricas Tecnología de sensores Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering sensors Wireless Networks Sensor technology Signal processing computer-assisted Data processing
• Palabras claves:matriz de proyección, algoritmo robusto de seguimiento de objetos, marco de inferencia bayesiana, algoritmos de seguimiento de arte, rendimiento de seguimiento rápido, función de verosimilitud novedosa, método de seguimiento disperso, regularización, resultados experimentales, rendimiento favorable
• Keywords:projection matrix, robust object tracking algorithm, bayesian inference framework, art tracking algorithms, fast tracking performance, novel likelihood function, sparse tracking method, regularization, experimental results, favorable performance