基于在线判别分布域特征选择的鲁棒跟踪算法

摘要：

针对基于检测目标跟踪中的特征描述子Haar-like表征能力不强和易引入错误训练样本导致目标漂移的问题,提出了一种利用分布域描述算子进行示例层级的在线判别特征选择跟踪算法.首先,用软直方图方法快速近似得到分布域特征,并利用此描述算子取代Haar-like特征有效表示目标的外观信息.然后,基于示例级样本的先验信息进行有监督学习,利用在线判别特征选择算法选择最佳的分布域层特征以减少漂移现象发生.实验利用多场景视频标准测试库及新的评价指标进行验证,结果表明本文算法性能优于对比算法.

关键词：视觉跟踪、分布域描述算子、特征选择、软直方图、监督学习

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61273078;辽宁省教育厅科学研究一般项目L2015558;中央高校基本科研业务费专项资金资助项目N150308001

在线出版日期：2017-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：305-309