-
题名基于HOG及在线多实例学习的目标跟踪算法
被引量：2
- 1
-
-
作者
刘华军
王玉坤
-
机构
中国人民解放军
-
出处
《现代电子技术》
2013年第9期116-120,共5页
-
文摘
传统的基于色彩直方图或空间色彩直方图的跟踪算法在跟踪目标出现尺度变化的复杂条件下,因无法显著区分颜色相近的目标和背景,不能得到准确跟踪结果。提出基于HOG及在线多实例学习的目标跟踪算法。此算法采用HOG特征值提取方式,结合在线多实例学习技术,对目标远离场景、平移、旋转、遮挡等情况进行跟踪。实验结果表明,该算法能够对各种复杂情况下的动态目标进行有效跟踪,具有良好的鲁棒性和准确性。
-
关键词
HOG
分类器
在线多实例学习
目标跟踪
-
Keywords
histogram of oriented gradient
classifier
online multi-instance learning
target tracking
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
-
题名采用在线多实例学习的超像素跟踪
- 2
-
-
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]
-
