基于特征融合与分类器在线学习的目标跟踪算法

摘要：

为了解决目标在复杂环境下表观变化引起的跟踪漂移问题,提出一种基于多特征融合与分类器在线学习的目标跟踪算法.该算法利用不同表观特征训练子分类器,通过构建损失函数求得各子分类器可信度,进而加权融合子预测结果,得到当前帧最佳目标状态估计;同时,依据最近-最远边界原则和协同训练理论粗更新训练样本集,并通过精选择准则得到更具代表性的训练样本集,实现子分类器自适应更新.实验结果表明,所提出的算法在多种典型测试场景中都能取得较鲁棒的跟踪效果.

关键词：目标跟踪、特征融合、可信度、在线学习

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61273362;国家自然科学基金重点项目61333017

在线出版日期：2017-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1591-1598