-
题名采用在线多实例学习的超像素跟踪
- 1
-
-
作者
王暐
王春平
付强
徐艳
欧新宇
-
机构
军械工程学院
清华大学计算机科学与技术系
云南开放大学云南省干部在线学习学院
-
出处
《电光与控制》
北大核心
2017年第1期27-32,共6页
-
基金
国家自然科学基金(61141009)
-
文摘
采用矩形框表示目标会引入背景干扰,导致跟踪性能下降,故利用多实例学习的特点对背景干扰建模,提出了一种采用在线多实例学习的超像素跟踪算法。在训练阶段,以超像素作为实例,根据位置将这些超像素分为具有明确标签的多个实例包,进而将跟踪转换为多实例学习问题。然后,在所提算法中实现了在线多实例学习,通过求实例包的似然函数最大化,从弱分类器池中选择K个最优的弱分类器组合为强分类器,在下一帧的检测阶段,利用学习的强分类器生成目标置信图。最后,采用粒子滤波方法从置信图中估计目标状态,在2.6 GHz主频的笔记本电脑上,所提算法的跟踪速率可达15 frame/s。在多个视频序列上的对比实验表明,该算法对复杂背景、目标高速运动、遮挡等具有更好的鲁棒性和精度,且跟踪精度和成功率的典型值分别达到了91%和90%,比原始超像素跟踪算法分别高出了21%和26%。
-
关键词
视觉跟踪
在线多实例学习
超像素跟踪
特征选择
分类器
-
Keywords
vision tracking
online multiple instance learning
superpixel tracking
feature selection
classifier
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
