一种鲁棒的基于在线boosting目标跟踪算法研究
在线boosting的优点在于将跟踪问题看做分类问题,并且根据目标的变化实时选择相应的目标特征来进行跟踪.但该方法存在的主要问题是由于遮挡等情形的存在,目标特征的每次变换可能引入少量错误,长时间执行后,错误的积累将导致跟踪位置的漂移.实验发现,在线boosting方法中选择器权重在全局中的传递导致了漂移的发生,而现实跟踪问题中遮挡时只影响局部区域,而不是全局区域.对于这个问题,本文提出了结合在线boosting和分块的方法来解决这个问题.此boosting算法中选择器权重的变化仅在本块中,而不是全局传递,从而避免了错误在全局的累积,进而避免了漂移问题的产生.本文的方法通过跟踪各种目标视频序列实验表明,即使对于严重遮挡也具有很强的鲁棒性,同时也能实时的跟踪目标,即每秒跟踪目标量超过10个.
在线(on-line boosting)、分块、遮挡、飘移
24
TP391(计算技术、计算机技术)
国家自然科学基金61001174,61102125;天津市重点科技支撑计划10ZCKFGX00400
2013-07-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
170-175