开源程序设计 基于偏最小二乘分析的目标追踪 追踪目标 图像序列中 行驶的汽车 追踪方法 偏最小二乘分析 偏最小二乘分析(partial least squares analysis，PLS)就是在自变量空间和因变量空间中分别找 出各自的潜变量，即各自具有特征代表性的主成分，它们分别是自变量和因变量的某种 线性变换。为了使自变量成分对因变量成分有最大的解释能力或预测能力，2种潜变量之 间的相关性要达到最大。 在目标跟踪中，目标和背景分别被采样，并且标记为不同的类别属性。PLS方法能有效地在一 个低维空间中表示特征向量，相对于原始数据空间，它能更有效地获取自变量和因变量 之间的相关性。因此，采用PLS建立目标的外观模型，它能有效地表征目标，实施数据降 维和进行目标和背景的分类。 二级粒子滤波 在粒子滤波的第一阶段，选取上一帧跟踪效果最好的特征进行一次粒子滤波，得到目标的粗 略状态；在粒子滤波的第二阶段，在第一次滤波产生的粒子集的基础上进行抽样，使用 PLS方法再次进行粒子滤波，即第二次寻优，以获得目标的精确状态。 具体算法：PLS外观模型 具体算法：PLS外观模型 具体算法：PLS外观模型 具体算法：追踪过程 具体算法：追踪过程 谢 谢 大 家 参考文献：Qing Wang, Feng Chen, Wenli Xu, and Ming-Hsuan Yang, “Object tracking via partial least squares analysis,” Image Processing, IEEE Transactions on, vol. 21, no. 10, pp. 44544465, 2012.