摘要：当前基于增量主成分分析（PCA）学习的跟踪方法存在两个问题，首先，观测模型没有考虑目标外观变化的连续性；其次，当目标外观的低维流行分布为非线性结构时，基于固定频率更新模型的增量PCA学习不能适应子空间模型的变化。为此，该文首先基于目标外观变化的连续性，在子空间模型中提出更合理的目标先验概率分布假设。然后，根据当前跟踪结果与子空间模型之间的匹配程度，自适应调整遗忘比例因子，使得子空间模型更能适应目标外观变化。实验结果验证了所提方法能有效提高跟踪的鲁棒性和精度。

关键词：视觉跟踪 主成分分析 增量子空间学习 遗忘因子 自适应增量 

单位：中南大学信息科学与工程学院 长沙410083