论文部分内容阅读
针对基于L2范数的主分量分析（L2-PCA）易受离群数据的影响，使得传统的基于L2—PCA的视觉跟踪对目标遮挡的鲁棒性较差的问题，提出一种基于L1范数最大化主分量分析（PCA—L1）的视觉跟踪算法．利用PCA—L1对目标表观建模，以粒子滤波为框架估计目标的状态；为了适应目标变化并克服“模型漂移”问题，提出一种PCA—L1的在线更新方法以实现子空间的更新．通过实验验证并与现有算法进行了比较的结果表明，文中算法具有较优的跟踪性能．