结合低维特征和在线加权MIL的目标跟踪算法

• 作者: 吴冬梅 孔凡芝 李金龙
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 目标跟踪 在线加权多示例学习 Haar-like特征 稀疏表示
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 116-121,139
• 页数: 7页
• 分类号: TP391
• 字数: 6095字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0085

摘要

为了提高视频序列中目标跟踪的准确性,提出了结合低维Haar-like特征和在线加权多示例学习(OWMIL)的跟踪算法.将训练集中的图像进行剪裁,构建正负样本集.通过稀疏编码提取低维度的Haar-like特征来表示目标.通过这些正负样本的局部稀疏特征在线学习生成弱分类器集,并通过示例加权方法来促进学习过程,最终生成一个强分类器,用于测试视频中的目标跟踪.实验结果表明,该算法在旋转、光照和尺度变化等影响下取得了优异的效果.相比其他几种改进型多示例学习算法,提出的算法获得了更好的跟踪效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴冬梅	曲阜师范大学物理工程学院	15	31	4.0	5.0
2	李金龙	浙江传媒学院电子信息学院	13	24	2.0	4.0
3	孔凡芝	浙江传媒学院电子信息学院	5	1	1.0	1.0