10.3969/j.issn.1003-501X.2010.05.003
集成轮廓跟踪
本文将跟踪看作是二分类问题,提出了一种基于Adaboost集成学习和快速水平集的轮廓跟踪算法.该方法首先在线地训练一个弱分类器的集合用以区分目标和背景,而通过Adaboost将集合中的各弱分类器组合成一个强分类器,并用于标定下一帧中的各像素的类别属性,从而确定快速水平集算法的速度函数,然后采用基于动态邻近区域快速水平集来演化目标边界曲线以实现目标的轮廓跟踪.为适应目标和背景的变化,在跟踪过程中在线训练新的弱分类器,而时间相关性则通过更新包含新弱分类器的集合来实现.实验结果表明,在摄像机运动、光照变化,部分遮挡或目标尺度变化等情况下,能实现刚体或非刚体目标的轮廓跟踪.
集成学习、Adaboost、快速水平集、轮廓跟踪
37
TP391(计算技术、计算机技术)
国家高技术研究发展计划863资助项目2007AA701206
2010-06-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
12-18