在线加权多示例学习实时目标跟踪

• 作者: 孙宏海 朱明 杨文波 陈东成 高文
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 多示例学习 目标跟踪 分类器 权值
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 信息科学
• 页码范围: 1661-1667
• 页数: 7页
• 分类号: TP391
• 字数: 3899字
• 语种: 中文
• DOI: 10.3788/OPE.20142206.1661

摘要

由于原始多示例学习(MIL)跟踪的分类效果和实时性较差,提出了一种加权在线多示例学习跟踪算法.首先,根据所选定目标位置分别采集目标和背景样本集,通过对所采集样本集特征的在线学习生成弱分类器集;然后,用计算样本集对数似然函数的最大值的方法从弱分类器集中选择K个最优的弱分类器,给每个弱分类器赋不同的权值,生成一个强分类器;最后,在新的一帧中抽取目标和背景样本,用生成的强分类器对待分类的目标和背景进行分类;分类结果映射成概率值,概率最大样本的位置就是所要跟踪目标的位置.对不同视频序列的测试结果表明,该跟踪算法的跟踪正确率达93％,目标大小为43 pixel×36 pixel时处理帧率约为25 frame/s.与原始多示例学习跟踪算法相比,本算法的实时性提高了67％.