本文提出了一种复杂条件下基于子空间梯度方向直方图跟踪的方法,通过大量样本的离线训练构建目标的投影子空间,并用梯度方向直方图在子空间的投影作为新的目标描述特征. 为了满足实时性的要求,采用积分直方图方法 提高粒子特征的计算速度 然后结合粒子滤波方法在子空间中计算粒子与训练样本集之间的相似度,进而估计目标的运动参数.-A subspace t racking method is proposed to t rack target s under complex environment s. Fi

本文提出了一种复杂条件下基于子空间梯度方向直方图跟踪的方法，通过大量样本的离线训练构建目标的投影子 空间，并用梯度方向直方图在子空间的投影作为新的目标描述特征．为了满足实时性的要求，采用积分直方图方法 提高粒子特征的计算速度；然后结合粒子滤波方法在子空间中计箅粒子与训练样本集之间的相似度，进而估计目标 的运动参数．实验结果表明，该方法能够在光照变化、噪声干扰、模糊、目标姿态和尺度改变，以及部分遮捎等恶劣条 件下实现准确跟踪，比传统的跟踪方法具有更高的跟踪精度和跟踪鲁棒性，能够满足

spd描述子，ACO算法匹配，文件中包含其他的描述子（形状上下文。。。），同时距离函数包括欧式距离和卡方距离(The SPD descr iptor matches the ACO algorithm, and the file contains other descr iptors (shape context) At the same time, the distance function includes Euclidean distance and chi square distance