基于在线增量学习的实时人脸跟踪算法

• 作者: 包芳 张炎凯 王士同
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 在线增量学习 极端随机森林 P-N 学习 动态目标框架 实时人脸跟踪
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 算 法
• 页码范围: 270-273,297
• 页数: 5页
• 分类号: TP391.4
• 字数: 6062字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.05.067

摘要

提出基于在线增量式极端随机森林分类器的实时人脸跟踪算法。算法用在线极端随机森林分类器实现基于检测的跟踪，并结合动态目标框架和 P-N 学习矫正检测的错误。实验结果表明，该算法能够在不确定背景下对任意人脸实现较长时间段内的稳定快速的实时跟踪，并能有效排除背景等的干扰，效果较好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同		528	3424	23.0	37.0