基于簇相似的多分类器目标跟踪算法
2016-10-13何发智潘一腾
电子学报 2016年4期
李 康,何发智,潘一腾,孙 航
(武汉大学计算机学院,湖北武汉430072)
基于簇相似的多分类器目标跟踪算法
李 康,何发智,潘一腾,孙 航
(武汉大学计算机学院,湖北武汉430072)
由于跟踪过程中目标和背景的变化,传统的单分类器跟踪算法学习到大量的非目标信息而导致跟踪精度降低.针对该问题,本文提出使用树形结构保存历史分类器.在每一帧,根据树中路径距离选择分类器集对测试样本分类.提出了一种基于簇相似性比较的分类算法.通过建立以方差为尺度的特征空间,比较测试样本到簇中心的距离计算相似度,快速计算出目标样本.实验表明本算法能够在复杂条件下实现对目标的鲁棒跟踪.
目标跟踪;多分类器;在线学习;类哈尔特征
1 引言
目标跟踪是计算机视觉中最为活跃的领域之一,其研究成果被广泛用于运动分析,实时监控和人机交互等领域[1,2].近年来有大量的目标跟踪算法被开发出来,但是由于目标本身的变化,目标信息不足,以及光照变化和遮挡变化等外部因素的影响,开发出鲁棒性的目标跟踪算法仍旧是一个难题.
经典的跟踪系统由外观模型,运动模型和搜索策略三部分组成.其中,外观模型最为重要,它直接影响了整个跟踪系统的算法和结构.与静态外观模型相比,自适应外观模型算法[3,4]在跟踪过程中不断进行更新,适应目标新的变化,具有更好的鲁棒性.
根据外观模型的不同,自适应模型跟踪算法可以分……
登录APP查看全文
