基于粒子滤波和在线随机森林分类的目标跟踪

• 作者: 彭小宁 陈姝
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 粒子滤波 随机森林 在线学习 运动跟踪 观测模型
• 年，卷（期）: 2014,（2）
• 页码范围: 207-213
• 页数: 7页
• 分类号: TP391.41
• 字数: 5021字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2014.02.015

摘要

针对粒子滤波跟踪过程中不精确的状态模型或观测模型会降低跟踪精度的问题,提出一种基于粒子滤波与在线随机森林分类的目标跟踪算法框架,通过在线样本学习,随机森林中的样本集可以准确地近似目标外观的概率分布;在粒子滤波跟踪中,采用随机森林分类结果及区域直方图相似度来估计粒子相似度,从而提高了观测模型的精度.当出现跟踪漂移时,通过随机森林检测目标来重新初始化粒子滤波器,可以防止由于误差积累而造成的跟踪失败.采用vc 6.0+ opencv实现了本算法,并设计两类试验分别来验证算法的跟踪精度和抗漂移能力.结果表明,该算法跟踪正确率比粒子滤波提高23％,比随机森林提高16％,因此可以防止无规则运动等因素造成的跟踪漂移,实现了长序列可靠跟踪.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭小宁	中南大学信息科学与工程学院	68	349	8.0	15.0
3	陈姝	湘潭大学信息工程学院	16	54	4.0	6.0