鲁棒性在线子空间辨识与跟踪的关键问题研究

基金项目类型：

国家自然科学基金

基金项目编号：

61203273

来源网站：

国家自然科学基金委员会

来源网址：

http://www.nsfc.gov.cn/

负责人：

何军

完成单位：

南京信息工程大学

中文关键词：

子空间跟踪; 在线学习; 鲁棒性优化算法; 计算机视觉; 视觉跟踪;

其他语种关键词：

subspace tracking; online learning; robust optimization algorithms; computer vision; visual tracking

项目类型：

青年科学基金项目

语种：

中文

开始日期：

2013-01-01

结束日期：

2015-12-31

中文摘要：

在数据高度缺失、甚至数据受异常噪声污染的苛刻条件下，快速从高维数据中辨识出低秩子空间并进行子空间跟踪，是本项目的主要研究内容。本项目将研究格拉斯曼流形的随机梯度下降最优化理论，研究在数据缺失情况下1-范数最优化模型的增广拉格朗日形式，通过选择合适的子空间辨识问题代价损失函数，由此进行随机梯度下降算法的推导及收敛性证明。本项目将从视频监控中实时背景/前景分离，人脸序列图像的在线对准两方面，研究鲁棒性子空间在线辨识与跟踪在计算机视觉问题中的应用，并开发出示范系统验证算法的有效性与实时性。