一种鲁棒的基于集成学习的核相关红外目标跟踪算法

• 作者: 吴恩斯 谢涛
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 目标跟踪 集成学习 判别式分类器 核相关跟踪
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 论文
• 页码范围: 602-609
• 页数: 8页
• 分类号: TP391
• 字数: 6638字
• 语种: 中文
• DOI: 10.11999/JEIT170527

摘要

在红外目标跟踪中,由于目标所处的背景信息复杂多变和目标外观的显著变化,单一的分类器不足以拟合多模态的数据.该文结合核相关滤波器(KCF)将多个核相关分类器通过集成学习整合到一个框架中.利用KCF分类器具有解析解的特点平衡跟踪鲁棒性与实时性之间的矛盾,从而解决单个分类器无法处理复杂背景与显著的外观变化问题,并显著提升目标跟踪的性能与稳定性.为了验证算法的有效性,该文利用两个核相关跟踪器联合学习出1个强分类器.大量的定性定量实验表明所提的算法的跟踪性能超过传统的KCF算法,且跟踪速度也超过大多数比较算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢涛	西南大学计算机与信息科学学院	15	108	6.0	10.0
2	吴恩斯	重庆师范大学教务处	1	8	1.0	1.0