特征加权融合的在线多示例学习跟踪算法

摘要：

为了能更加准确鲁棒地跟踪目标，提出了特征加权融合的在线多示例学习跟踪算法（WFMIL）。WFMIL在多示例学习框架下分别训练两种特征（Hog和Haar）分类器。在跟踪过程中，通过线性运算融合成一个强分类器，同时在学习过程中对正包中的示例引入权重。实验结果统计表明WFMIL能很好地解决目标漂移问题，并且对目标遮挡、运动突变、光照变化以及运动模糊等具有较好的鲁棒性。

关键词：特征融合、在线多示例学习、目标跟踪

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No.61373077；高等学校博士学科点专项科研基金No.20110121110020；国家部委基础科研计划项目；国家部委科技重点实验室基金资助。

在线出版日期：2015-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：189-193,234