黎曼流形上的扩散过程用于视觉跟踪

长视频序列的鲁棒视觉跟踪是一个具有许多重要应用的研究领域。主要挑战包括如何对目标图像进行建模以及如何更新该模型。在本文中，我们使用协方差描述子对目标进行建模，因为该描述子对视觉跟踪中常见的问题（如像素错位、姿态和光照变化）具有鲁棒性。我们使用生成过程对模板的变化进行建模。我们引入了一个新的动态模型用于模板更新，该模型在协方差描述子所在的黎曼流形上进行随机游走。这是通过使用流形的对数变换空间来实现的，以释放正半定矩阵固有的约束。在状态空间中同时对模板变化和姿态动力学进行建模，使我们能够以原则性的方式联合量化与运动状态和模板相关的不确定性。最后，使用粒子滤波器对运动状态和模板的后验分布进行顺序推断。我们的结果表明，这种原则性方法能够对光照、姿态和空间仿射变换的变化具有鲁棒性。在实验中，我们的方法优于当前最先进的算法——增量主成分分析方法，特别是在目标经历快速姿态变化的情况下，同时在稳定目标跟踪情况下也保持了可比的性能。