高斯加权的多分类器物体追踪

摘要：

针对在物体外观快速变化的情况下,大多数弱学习器不能捕获物体新的特征分布,导致追踪失败的问题,提出了高斯加权的联机多分类器增强算法.该算法为每一个领域问题定义一个弱分类器,每个弱分类器包括一个简单的视觉特征和阈值,引入高斯加权函数来权衡每个弱分类器在特定样本上的贡献,通过多分类器联合学习来提高追踪性能.在物体追踪过程中,联机多分类器在对物体定位的同时还能估计物体的姿态,能够成功地学习多模态外观模型,在物体外观快速变化的情况下追踪物体.实验结果表明:所提算法在经过一个较短序列的训练后,平均追踪错误率为12.8％,追踪性能明显提升.

关键词：物体追踪、多分类器、高斯加权函数、分类、聚类、模式识别

所属期刊栏目：34

分类号：TP391.413(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61170193;惠州市科技计划项目2011B020006002

在线出版日期：2014-10-08（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：2394-2398,2403