基于目标性权值度量的多示例学习目标跟踪

• 作者: 刘航 慕德俊 滑维鑫 郭达伟
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 多示例学习(MIL) 目标性测量 弱分类器选择 包概率计算 目标跟踪
• 年，卷（期）: 2017,（7）
• 页码范围: 1364-1372
• 页数: 9页
• 分类号: TP391|TP391.4
• 字数: 5429字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2016.0527

摘要

针对多示例学习(MIL)跟踪算法在包概率计算过程中对示例样本不加以区分导致分类器性能下降,及采用最大化似然函数选择相应的弱分类构造强分类增加了算法复杂度的问题,提出了一种基于目标性权值学习的多示例目标跟踪算法,该算法利用目标性测量每个示例样本对包概率的重要性,根据其目标性测量结果对每个正示例样本赋予相应的权值,从而判别性地计算包概率,提高跟踪精度.同时在弱分类器选择过程中,采用最大化弱分类器与似然函数概率内积的方法从弱分类器池中选择弱分器构造强分类器,减少算法的计算复杂度.通过对不同复杂场景下视频序列的跟踪,实验结果表明,本文所提出的目标性权值学习的多示例目标跟踪算法优于其对比算法,表现出较好的跟踪精度和鲁棒性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	慕德俊	西北工业大学自动化学院	220	1829	19.0	33.0
2	刘航	西北工业大学自动化学院	47	492	11.0	21.0
3	郭达伟	西北工业大学自动化学院	25	77	6.0	7.0
4	滑维鑫	西北工业大学自动化学院	6	8	2.0	2.0