一种加速的PCA-L_1增量子空间学习跟踪方法  

Object Tracking Algorithm Based on Accelerated PCA-L_1 of Incremental Subspace Learning

作　　者：王兵学[1,2] 康林 黄自力[1] 

机构地区：[1]西南技术物理研究所研究生部,成都610041 [2]总装备部重庆军事代表局,重庆400042 [3]总装备部重庆军事代表局驻绵阳地区军代室,四川绵阳621000

出　　处：《兵工自动化》2015年第5期33-37,41,共6页Ordnance Industry Automation

基　　金：总装预研(402030203)基金资助项目

摘　　要：为解决PCA-L1增量子空间学习跟踪方法运算量大、实时性不强的不足,分析了PCA-L1的目标跟踪算法的运算瓶颈,应用、改进了边界误差重采样(bounded particle resampling,BPR)算法,引进了加速近似梯度法(accelerated proximal gradient,APG),并测试、比较了该方法与其他经典方法的跟踪效果及运算速度。实验结果表明:该方法加速效果明显,能提高跟踪的实时性,有较强的工程应用价值。For dealing with the large amount computation and not real time of increment subspace tracking algorithm, analyze computation bottleneck of Ll-norm maximization target tracking algorithm, use and improve bounded particle re-sampling （BPR） algorithm, introduce accelerated proximal gradient （APG）. Test and compare the tracking effect and speed with other classical methods. Experimental results show that, the method accelerate speed effectively, it can improve the real-time tracking, and has strong engineering application value.

关 键 词：PCA-L1算法 L1范数 APG 粒子滤波 

分 类 号：TP302[自动化与计算机技术—计算机系统结构]