尺度自适应在线鲁棒目标跟踪

• 作者: 张东波 王俊超 秦海 颜霜
• 来源期刊: 计算机应用研究
• 关键词: 在线boosting 半监督学习 尺度自适应 权重图像 目标跟踪
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1245-1248,1261
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.04.063

摘要

针对在线boosting跟踪算法在目标外观发生大幅度变化以及遮挡时易产生漂移导致目标丢失问题进行了研究，提出一种尺度自适应在线鲁棒目标跟踪算法。算法基于目标灰度或彩色直方图统计特征构建权重图像，通过对权重图像的矩特征分析，可以实现对目标尺度的自适应调整；同时该算法引入半监督学习策略，很好地解决了由于在线学习导致的跟踪失败问题。实验结果表明，该算法很好地解决了遮挡、目标外观和尺度变化时的鲁棒跟踪问题。与EM-shift、MIL和SPT三种算法相比，跟踪成功率以及鲁棒性均有所提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张东波	湘潭大学信息工程学院	72	505	12.0	19.0
5	颜霜	湘潭大学信息工程学院	3	4	1.0	2.0
6	秦海	湘潭大学信息工程学院	3	4	1.0	2.0
7	王俊超	湘潭大学信息工程学院	3	4	1.0	2.0