中值流辅助在线多示例目标跟踪
针对机器人演示学习中目标跟踪性能的严格要求,提出一种可以有效克服快速运动、遮挡和目标漂移的物体跟踪方法.首先计算中值流,并预测目标的位置偏移,以此计算高斯权重;然后修正搜索区域,并使用在线多示例分类器进行目标搜索,计算似然度;最后使用贝叶斯框架对结果进行融合,使用穷举搜索得到最优的预测位置,并更新在线分类器.实验结果表明,与现有方法相比,该方法对快速运动和目标漂移具有更强的鲁棒性,而且可以达到实时跟踪.
服务机器人、演示学习、目标跟踪、在线多示例学习、中值流
18
TP391.41(计算技术、计算机技术)
国家重点基础研究发展计划973基金项目2010CB327900
2013-03-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
93-100