胡伟明；李熙；张晓琴；石新初；斯蒂芬·梅班克 增量张量子空间学习及其在前景分割和跟踪中的应用。 （英语） Zbl 1235.68269号 国际期刊计算。视觉。 91，第3期，303-327（2011）. 摘要：外观建模对于背景建模和对象跟踪非常重要。基于子空间学习的算法已被用于建模对象或场景的外观。当前基于矢量子空间的算法无法有效地表示像素值之间的空间相关性。现有的基于张量子空间的算法构造了图像集合的离线表示，而现有的在线张量子子空间学习算法不能应用于背景建模和目标跟踪。本文提出了一种在线张量子空间学习算法，该算法通过自适应更新张量每个展开矩阵的样本均值和特征基，通过增量学习张量子维表示来模拟外观变化。将提出的增量张量子空间学习算法应用于灰度和彩色图像序列的前景分割和目标跟踪。新的背景模型捕捉了场景固有的时空特征。新的跟踪算法在跟踪过程中捕获目标的外观特征，并使用粒子滤波器估计最佳目标状态。对最新算法的实验评估表明了所提出的增量张量子空间学习算法的前景和有效性，以及它在前景分割和目标跟踪中的应用。 引用于8文件 MSC公司： 68T45型 机器视觉和场景理解 68T05型 人工智能中的学习和自适应系统 关键词：增量学习；张量子空间；前景分割；跟踪 PDF格式BibTeX公司 XML格式引用 \textit{W.Hu}等人，《国际计算杂志》。视觉。91，第3号，303--327（2011；Zbl 1235.68269） 全文： DOI程序 参考文献： [1] 布莱克、M.J.和；Jepson，A.D.（1998年）。特征跟踪：使用基于视图的表示对铰接对象进行鲁棒匹配和跟踪。国际计算机视觉杂志，26（1），63–84·Zbl 05471797号 ·doi:10.1023/A:1007939232436 [2] 布莱克、M.J.、弗利特、D.J.和；Yacoob，Y.（1998）。用于在图像序列中建模外观更改的框架。程序中。IEEE计算机视觉国际会议（第660-667页），1998年1月。 [3] Chen，D.和；Yang，J.（2007）。通过在线动态空间偏差外观模型实现稳健的对象跟踪。IEEE模式分析和机器智能汇刊，29（12），2157–2169·Zbl 05341080号 ·doi:10.10109/TPAMI.2007.1134 [4] Elgammal，A.、Duraiswami，R.、Harwood，M.和；Davis，L.S.（2002）。使用非参数核密度估计进行视觉监视的背景和前景建模。IEEE会议录，99（7），1151–1163·doi:10.1109/JPROC.2002.801448 [5] Gall，J.、Rosenhahn，B.和；塞德尔，H.-P.（2008）。刚性和铰接物体的无漂移跟踪。程序中。IEEE计算机视觉和模式识别会议（第1-8页），2008年6月。 [6] Golub，G.H.和；Van Loan，C.F.（1996）。矩阵计算。巴尔的摩：约翰·霍普金斯大学出版社·Zbl 0865.65009号 [7] Grabner，H.、Leistner，C.和；Bischof，H.（2008）。用于鲁棒跟踪的半监督在线增压。程序中。欧洲计算机视觉会议（第234–247页）。 [8] Gu，M.和；Eisenstat，S.C.（1993年）。一种稳定快速的奇异值分解更新算法。研究报告YALEU/DCS/RR-966，耶鲁大学计算机科学系，纽黑文，1993年6月。 [9] Gu，M.和；Eisenstat，S.C.（1995年）。简化奇异值分解。SIAM矩阵分析与应用杂志，16（3），793–810·Zbl 0828.65039号 ·doi:10.1137/S089547979893251472 [10] G.D.Hager和；Belhumeur，P.N.（1996）。实时跟踪几何和照明变化的图像区域。程序中。IEEE计算机视觉和模式识别会议（第403-410页），1996年6月。 [11] Han，B.，Zhu，Y.，Comaniciu，D.，&；Davis，L.S.（2009）。顺序贝叶斯滤波框架中连续密度传播的视觉跟踪。IEEE模式分析和机器智能汇刊，31（5），919-930·doi:10.1109/TPAMI.2008.134 [12] Haritaoglu，I.、Harwood，D.和；Davis，L.S.（2000）。W4：对人员及其活动的实时监控。IEEE模式分析和机器智能汇刊，22（8），809–830·Zbl 05111958号 ·doi:10.1009/34.868683 [13] 何，X，蔡，D，&；Niyogi，P.（2005）。张量子空间分析。程序中。2005年12月，剑桥：麻省理工学院出版社。 [14] Ho，J.、Lee，K.、Yang，M.和；Kriegman，D.（2004）。使用学习的线性子空间进行视觉跟踪。程序中。IEEE计算机视觉和模式识别会议（第1卷，第782-789页）。 [15] Isard，M.和；Blake，A.（1996年）。通过条件密度的随机传播进行轮廓跟踪。程序中。欧洲计算机视觉会议（第2卷，第343–356页）。 [16] Jacques，J.C.S.Jr.，Jung，C.R.和；Musse，S.R.（2006）。适应光照变化的背景减法模型。程序中。IEEE图像处理国际会议（第1817-1820页），2006年10月。 [17] A.D.Jepson、D.J.Fleet和；El-Maraghi，T.F.（2003）。用于视觉跟踪的强大在线外观模型。IEEE模式分析和机器智能汇刊，25（10），1296-1311·Zbl 05112449号 ·doi:10.1109/TPAMI.2003.1233903 [18] Kwon，J.和；Lee，K.M.（2009）。通过基于补丁的动态外观建模和自适应盆地跳跃蒙特卡罗采样跟踪非刚性对象。程序中。IEEE计算机视觉和模式识别研讨会会议（第1208–1215页），2009年6月。 [19] Lathauwer，L.D.，Moor，B.D.，&；Vandewalle，J.（2000）。关于高阶张量的最佳秩-1和秩-（R1，R2，…，Rn）近似。SIAM矩阵分析与应用杂志，21（4），1324-1342·Zbl 0958.15026号 ·doi:10.1137/S0895479898346995 [20] Lee，K.和；Kriegman，D.（2005）。用于视频识别和跟踪的概率外观流形的在线学习。程序中。IEEE计算机视觉和模式识别会议（第1卷，第852–859页）。 [21] A.利维；Lindenbaum，M.（2000年）。序列Karhunen-Loeve基提取及其在图像中的应用。IEEE图像处理汇刊，9，1371–1374·Zbl 1001.68586号 ·doi:10.1009/83.855332 [22] 李毅（2004）。关于增量和鲁棒子空间学习。模式识别，37（7），1509–1518·Zbl 1070.68591号 ·doi:10.1016/j.patcog.2003.11.010 [23] Li，J.、Zhou，S.K.和；Chellappa，R.（2005）。几何环境下的外观建模。程序中。IEEE计算机视觉国际会议（第2卷，第1252-1259页）。 [24] Li，X.，Hu，W.M.，Zhang，Z.F.，Zhang，X.Q.，&；Luo，G.（2007）。基于增量张量子空间学习的鲁棒视觉跟踪。程序中。IEEE计算机视觉国际会议（第1-8页），2007年10月。 [25] Lim，H.，Morariu，V.I.，Camps，O.I.，&；Sznaier，M.（2006）。用于人体跟踪的动态外观建模。程序中。IEEE计算机视觉和模式识别会议（第1卷，第751-757页）。 [26] Mahadevan，V.和；Vasconselos，N.（2009年）。基于盐度的鉴别跟踪。程序中。IEEE计算机视觉和模式识别研讨会会议（第1007–1013页），2009年6月。 [27] Matthews，I.、Ishikawa，T.和；Baker，S.（2004）。模板更新问题。IEEE模式分析和机器智能汇刊，26（4），810-815·Zbl 05111565号 ·doi:10.1109/TPAMI.2004.16 [28] 镍、钾和；Stiefelhagen，R.（2008）。用于人员跟踪的广义线索的动态集成。程序中。欧洲计算机视觉会议，第四部分，计算机科学讲稿（第5305卷，第514-526页），2008年10月。 [29] Nummiaroa，K.、Koller-Meierb，E.和；古尔，I.V.（2003年）。基于颜色的自适应粒子过滤器。图像和视觉计算，21（1），99–110·doi:10.1016/S0262-8856（02）00129-4 [30] Papadimitriou，S.、Sun，J.和；Faloutsos，C.（2005年）。在多个时间序列中发现流模式。程序中。关于超大数据库的国际会议（第697–708页）。 [31] Patwardhan，K.、Morellas，V.和；Sapiro，G.（2008）。使用像素层的视频中的鲁棒前景检测。IEEE模式分析和机器智能汇刊，30（4），746–751·Zbl 05340824号 ·doi:10.1109/TPAMI.2007.70843 [32] Perez，P.、Hue，C.、Vermaak，J.和；Gannet，M.（2002）。基于颜色的概率跟踪。程序中。欧洲计算机视觉会议，第一部分，计算机科学讲稿（第2350卷，第661-675页）·Zbl 1034.68652号 [33] Porikli，F.、Tuzel，O.和；Meer，P.（2006）。基于李代数的模型更新协方差跟踪。程序中。IEEE计算机视觉和模式识别会议（第1卷，第728-735页）。 [34] Ramanan，D.、Forsyth，D.A.和；Zisserman，A.（2007）。通过了解人们的外表来追踪他们。IEEE模式分析和机器智能汇刊，29（1），65–81·Zbl 05340697号 ·doi:10.1109/TPAMI.2007.250600 [35] Ross，D.A.、Lim，J.、Lin，R.-S.和；Yang，M.-H.（2008）。用于鲁棒视觉跟踪的增量学习。国际计算机视觉杂志，77（2），125-141·Zbl 05322217号 ·doi:10.1007/s11263-007-0075-7 [36] 谢赫，Y.，&；Shah，M.（2005）。动态场景中的贝叶斯目标检测。程序中。IEEE计算机视觉和模式识别会议（第1卷，第74-79页）。 [37] Skocaj，D.和；Leonardis，A.（2003）。子空间学习的加权稳健增量方法。程序中。IEEE国际计算机视觉会议（第2卷，第1494-1501页），2003年10月。 [38] Stauffer，C.和；Grimson，W.E.L.（1999）。用于实时跟踪的自适应背景混合模型。程序中。IEEE计算机视觉和模式识别会议（第2卷，第246-252页）。 [39] Sun，J.、Tao，D.和；Faloutsos，C.（2006年a）。超越流和图：动态张量分析。程序中。ACM SIGKDD知识发现和数据挖掘国际会议（第374–383页），2006年8月。 [40] Sun，J.、Papadimitriou，S.和；Yu，P.S.（2006年b）。基于窗口的高维和多spect流张量分析。程序中。数据挖掘国际会议（第1076–1080页），2006年12月。 [41] Sun，J.、Tao，D.、Papadimitriou，S.、Yu，P.S.和；Faloutsos，C.（2008）。增量张量分析：理论和应用。ACM数据知识发现事务，2（3），1–37·Zbl 05517968号 ·数字对象标识代码：10.1145/1409620.1409621 [42] 田，Y.，Lu，M.，&；Hampapur，A.（2005年）。用于实时视频监控的强大而高效的前景分析。程序中。IEEE计算机视觉和模式识别会议（第1卷，第1182-1187页）。 [43] Vasilescu，M.A.O.和；Terzopoulos，D.（2002）。图像集合的多线性子空间分析：张量面。程序中。2002年5月，欧洲计算机视觉会议（第447-460页）·Zbl 1034.68693号 [44] Vasilescu，M.A.O.和；Terzopoulos，D.（2003）。图像集合的多线性子空间分析。程序中。IEEE计算机视觉和模式识别会议（第2卷，第93-99页），2003年6月。 [45] Wang，H.和；Ahuja，N.（2005年）。使用图像矩阵表示的张量的秩R近似。程序中。IEEE计算机视觉和模式识别会议（第2卷，第346–353页）。 [46] Wang，H.和；Ahuja，N.（2008年）。降维的张量近似方法。国际计算机视觉杂志，76（3），217-229·Zbl 05322205号 ·doi:10.1007/s11263-007-0053-0 [47] Wang，Y.，Tan，T.，Loe，K.F.，&；Wu，J.K.（2005）。一种用于单目图像序列中前景和阴影分割的概率方法。模式识别，38（11），1937-1946·Zbl 02212779号 ·doi:10.1016/j.patcog.2005.02.006 [48] Wang，Y.、Loe，K.和；Wu，J.（2006）。用于前景和阴影分割的动态条件随机场模型。IEEE模式分析和机器智能汇刊，28（2），279-289·Zbl 05110658号 ·doi:10.1109/TPAMI.2006.25 [49] Wang，H.，Yan，S.，Huang，T.，&；Tang，X.（2007）。张量子空间学习的收敛解。程序中。国际人工智能联合会议（第629-634页）。 [50] Wong，S.、Wong，K.K.和；Cipolla，R.（2006）。使用稀疏贝叶斯分类器进行基于外观的鲁棒跟踪。程序中。模式识别国际会议（第3卷，第47-50页）。 [51] Wu，Y.，&；Huang，T.S.（2004）。基于协同推理学习，通过集成多个线索实现鲁棒视觉跟踪。国际计算机视觉杂志，58（1），55–71·Zbl 02244040号 ·doi:10.1023/B:VISI.0000016147.97880.cd [52] Yan，S.，Xu，D.，Yang，Q.，Zhang，L.，Tang，X.，&；张华（2005）。张量表示的判别分析。程序中。IEEE计算机视觉和模式识别会议（第1卷，第526–532页），2005年6月。 [53] Yan，S.，Shan，S..，Chen，X.，Gao，W.，&；Chen，J.（2007）。级联分类器的矩阵结构学习（MSL）。程序中。IEEE计算机视觉和模式识别会议（第1-7页），2007年6月。 [54] Yang，J.、Zhang，D.、Frangi，A.F.和；Yang，J.（2004年）。二维PCA是一种新的基于外观的人脸表示和识别方法。IEEE模式分析和机器智能汇刊，26（1），131-137·兹伯利05110393 ·doi:10.1109/TPAMI.2004.1261097 [55] Yang，C.、Duraiswami，R.和；Davis，L.S.（2005）。通过一种新的相似性度量进行有效的均值偏移跟踪。程序中。IEEE计算机视觉和模式识别会议（第1卷，第176-183页），2005年6月。 [56] Yang，M.，Fan，Z.，Fan；Wu，Y.（2009）。通过数据驱动的适应跟踪非平稳视觉外观。IEEE图像处理汇刊，18（7），1633-1644·Zbl 1371.94431号 ·doi:10.1109/TIP.2009.2019807 [57] Ye，J.（2005）。矩阵的广义低秩近似。机器学习，61（1-3），167-191·Zbl 1087.65043号 ·doi:10.1007/s10994-005-3561-6 [58] Ye，J.、Janardan，R.和；李奇（2004a）。二维线性判别分析。程序中。神经信息处理系统会议（第1569-1576页）。剑桥：麻省理工学院出版社。 [59] Ye，J.、Janardan，R.和；李奇（2004b）。GPCA：一种用于图像压缩和检索的有效降维方案。程序中。ACM SIGKDD知识发现和数据挖掘国际会议（第354–363页），2004年8月。 [60] Yu，T.和；Wu，Y.（2006）。基于空间外观模型（SAM）的差分跟踪。程序中。IEEE计算机视觉和模式识别会议（第1卷，第720-727页），2006年6月。 [61] Zhou，S.K.，Chellappa，R.和；Moghaddam，B.（2004年）。使用粒子滤波器中的外观自适应模型进行视觉跟踪和识别。IEEE图像处理汇刊，13（11），1491-1506·Zbl 05453448号 ·doi:10.1109/TIP.2004.836152 [62] 周，X.，胡，W.M.，陈，Y.，&；Hu，W.（2007）。运动摄像机目标跟踪的马尔可夫随机场模型水平集方法。程序中。亚洲计算机视觉会议，第一部分（第832-842页）。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。