基于示例选择的目标跟踪改进算法

• 作者: 李想 杨娟 梁启香 汪荣贵 蒋守欢
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多示例学习 有害示例 核密度估计 示例选择 稳健性 目标跟踪
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 150-157
• 页数: 8页
• 分类号: TP181
• 字数: 5640字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.01.028

摘要

多示例学习是一种处理包分类问题的新型学习模式,传统基于多示例学习的目标跟踪算法在自适应获取正包时受到无益或有害示例的干扰,不能很好地提取目标的鉴别性特征.为此,设计基于核密度估计的示例选择方法,剔除训练集中的无益示例或有害示例,提高多示例学习算法的有效性,并在此基础上提出一种基于示例选择的目标跟踪改进算法,针对负示例占多数的情况建立核密度估计函数来精简正包中的示例,使用精简后的样本数据进行训练学习,最终实现对目标的实时跟踪.实验结果表明,该算法在光照变化、目标部分遮挡及形体变化等情形下都具有较好的稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪荣贵	合肥工业大学计算机与信息学院	104	1458	21.0	34.0
2	李想	合肥工业大学计算机与信息学院	9	73	4.0	8.0
3	杨娟	合肥工业大学计算机与信息学院	47	121	5.0	8.0
4	梁启香	合肥工业大学计算机与信息学院	3	27	2.0	3.0
5	蒋守欢	合肥工业大学计算机与信息学院	3	11	2.0	3.0