基于流形学的贝叶斯视觉跟踪方法

摘要

本发明提供了一种基于流形学的贝叶斯视觉跟踪方法，包括以下步骤：S1，提出一种新的流行学算法得到本质流形，将图像观测数据集X＝[x1,x2,…,xn]与低维流形上面的点集Y＝[y1,y2,…,yn]分别对应，且低维流形表面的每个点可以通过yi＝[x,y,z]T＝f(μ,ν)来表示，其中i＝1,2,…,n；S2，进行反向映射学，得到从低维流形空间到高维图像观测空间的映射函数g及其相关的系数矩阵B；S3，结合步骤S1与S2的处理结果进行贝叶斯跟踪处理，最终给出跟踪结果。本发明主要用于解决动态环境下对人体的跟踪问题，它是一种基于本质变量保持的流形构建的新型贝叶斯跟踪算法，可以实现对目标的准确跟踪，具有较强的鲁棒性。

主权项

基于流形学习的贝叶斯视觉跟踪方法，其特征在于：包括以下步骤：S1，提出一种新的流行学习算法得到本质流形，将图像观测数据集X＝[x1,x2,…,xn]与低维流形上面的点集Y＝[y1,y2,…,yn]分别对应，且低维流形表面的每个点可以通过yi＝[x,y,z]T＝f(μ,ν)来表示，其中i＝1,2,…,n；S2，进行反向映射学习，得到从低维流形空间到高维图像观测空间的映射函数g及其相关的系数矩阵B；S3，结合步骤S1与S2的处理结果进行贝叶斯跟踪处理，最终给出跟踪结果。