半监督Hough Forest跟踪算法

• 作者: 戴渊明 林亦宁 韦巍
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: Hough Forests 半监督学习 随机采样
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 计算机技术
• 页码范围: 977-983
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2013.06.007

摘要

针对基于检测的目标跟踪算子存在着目标表观描述的准确性和对跟踪过程的目标表观变化的适应性之间的矛盾,提出一种较为柔性的半监督学习方法:以Hough Forests为基本学习框架,用离线学习的分类器作为先验跟踪算子,并引入基于跟踪过程中用检测得到的object-specific信息和空间一致性信息的随机标签分布,用来生成半监督学习所需要的在线数据样本,对跟踪算子进行修正；分类器的检测和跟踪环节与在线的Hough Forests分类器应用环节类似,但采用了类似粒子滤波的随机采样方式对检测和更新环节进行加速；用匀速运动模型对目标运动进行建模,使跟踪过程中的目标位置预测更加准确.算法在标准跟踪数据集合i-Lids和TUD-campus上与当前流行的目标跟踪算法在线Boosting算法、MILB和Hough Forests跟踪算法进行了比较实验.实验证明:监督Hough Forests分类器提供了解决分类器对目标表观表述的准确性和自适应性矛盾的一种有效机制；整个跟踪算法能够使目标跟踪过程更加快速、鲁棒与准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韦巍		149	1731	22.0	36.0
2	林亦宁		5	10	3.0	3.0
3	戴渊明		5	10	3.0	3.0