基于多示例学习的目标跟踪算法
2014-07-19李大湘刘卫华
西安邮电大学学报 2014年2期
李 娜, 李大湘, 刘卫华, 刘 颖
(1. 西安邮电大学 通信与信息工程学院, 陕西 西安 710121;2. 长安大学 信息工程学院, 陕西 西安 710064;3. 陕西省法庭科学电子信息实验研究中心 图像处理实验室, 陕西 西安 710121)
基于多示例学习的目标跟踪算法
李 娜1,2,3, 李大湘1,3, 刘卫华1,3, 刘 颖1,3
(1. 西安邮电大学 通信与信息工程学院, 陕西 西安 710121;2. 长安大学 信息工程学院, 陕西 西安 710064;3. 陕西省法庭科学电子信息实验研究中心 图像处理实验室, 陕西 西安 710121)
为提高运动目标跟踪算法的鲁棒性,提出一种基于多示例学习(MIL)框架的跟踪算法。该算法利用类Haar特征构建若干弱分类器,然后级联为多示例学习强分类器,根据目标在视频前一帧中的位置,依据最大熵原理,在当前帧中找出目标可能出现的范围,并利用该强分类器确定其最有可能出现的位置,作为跟踪结果,并且将该位置不同邻域内的图像分别作为正包和负包去更新多示例学习强分类器。实验结果表明,该算法对于运动目标外观有显著变化的情况具有较好的鲁棒性和实时性。
目标跟踪;多示例学习;弱分类器
目标跟踪是计算机视觉研究的热点,在视频监控、视频检索、交通监控等领域都有广泛应用,但现有的部分算法往往不能有效解决照明变化、外观变化、形状变化和遮挡对目标跟踪的影响[1-3],因此,目标跟踪领域的新思想新算法仍然层出不穷。
文[4]提出了多示例学习(Multiple instance Learning, MIL)的概念。在MIL问题中,训练样本以包作为单位,包有确定标记,而包内示例标记则不确定。……
登录APP查看全文
