基于稀疏贝叶斯学习的相关向量跟踪

结合稀疏贝叶斯学习方法和支持向量跟踪(SVT)原理,提出了相关向量跟踪(RVT)。由于跟踪系统事先学习到了目标的“知识”,故匹配发生在候选图像块与先验知识之间,而不必考虑模板更新。相关向量有比支持向量更稀疏的性能,所以相关向量跟踪比支持向量跟踪有更快的帧处理速度。另外,为了解决由于运动导致目标尺寸发生变化的匹配跟踪问题,采用了灰度真方图特征,引入了运动预测和变尺寸采样的方法。上述性能和方法在实验中得到了证实。