10.3969/j.issn.1000-3428.2013.03.042
基于稀疏表达的多示例学习目标追踪算法
追踪目标在经历较大姿势变化时,会导致追踪目标偏移甚至丢失.为此,提出一种基于稀疏表达的多示例学习目标追踪算法.联合多示例学习与稀疏表达方法,将目标物体的局部稀疏编码作为多示例学习的训练数据,通过学习正负样本的局部稀疏编码获得一个多示例学习的分类器,分类的结果与粒子滤波框架相结合,估计目标在整个视频序列中的运动状态.实验结果表明,该算法稳定性较好,与增量学习追踪算法、范式学习追踪算法和多示例学习追踪算法相比,其中心位置误差率减少30%以上.
目标追踪、多示例学习、稀疏表达、分类器、粒子滤波、数据字典
39
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目31171456;安徽省教育厅自然科学基金资助项目kj2011z156
2013-11-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
213-217,222