基于特征自适应选择的鲁棒跟踪算法
为了解决真实场景下视频目标的跟踪问题,提出一种基于特征自适应选择的鲁棒跟踪算法。首先,针对在线AdaBoost算法特征池特征鲁棒性差的问题,提出一种基于颜色与金字塔梯度方向直方图特征相结合的特征池构造方式;然后,针对分类器在更新过程中容易受到错误样本影响的问题,对每帧跟踪结果增加遮挡检测环节以避免漂移现象的发生。大量的对比实验表明,在真实场景下所提出的方法具有更好的效果。
目标跟踪、在线学习、自适应更新、遮挡检测
TP391(计算技术、计算机技术)
国家自然科学基金项目61273078,61005032;中央高校基本科研业务费专项基金项目N1106040065032
2014-12-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
2137-2143