特征加权融合的在线多示例学习跟踪算法-core

《特征加权融合的在线多示例学习跟踪算法-core》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、ComputerEngineeringandApplications计算机工程与应用2015，51（12）189特征加权融合的在线多示例学习跟踪算法刘薇，戴平阳，李翠华LIUWei,DAIPingyang,LICuihua厦门大学信息科学与技术学院，福建厦门361005SchoolofInformationScienceandTechnology,XiamenUniversity,Xiamen,Fujian361005,ChinaLIUWei,DAIPingyang,LICuihua.Objecttrackingbasedononlinemultipleinst

2、ancelearningwithfeatureweightedfusion.ComputerEngineeringandApplications,2015,51（12）：189-193.Abstract：Fortheobjecttrackingproblemsincomputervision,featureWeightedFusiononlineMultipleInstanceLearningtrackingalgorithm（WFMIL）isproposed.WFMILtrainstwofeatures（HogandHaar）classifierseparat

3、elybymultipleinstancelearningmethod.Inthetrackingprocess,theyareintegratedintoastrongclassifierbythelinearoperation.Whileinthelearn-ingprocess,weightisintroducedintoinstancesofpositivepackage.ExperimentalresultsshowthatWFMILcansolvetheobjectdriftandhasacertainrobustnessinhandlingoccl

4、usion,targetabruptmotion,illuminationchange,andmotionblur.Keywords：featurefusion;onlinemultipleinstancelearning;objecttracking摘要：为了能更加准确鲁棒地跟踪目标，提出了特征加权融合的在线多示例学习跟踪算法（WFMIL）。WFMIL在多示例学习框架下分别训练两种特征（Hog和Haar）分类器。在跟踪过程中，通过线性运算融合成一个强分类器，同时在学习过程中对正包中的示例引入权重。实验结果统计表明WFMIL能很好地解决目标漂移问题，并且对目标遮

5、挡、运动突变、光照变化以及运动模糊等具有较好的鲁棒性。关键词：特征融合；在线多示例学习；目标跟踪文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.1307-03501引言模，而后者只对各类数据的分界面进行建模。本文提出目标跟踪是计算机视觉领域非常重要的研究课题，的特征加权融合的在线多示例学习跟踪算法是基于多在智能监控、视频索引、人机交互等领域均有重要的应示例学习框架的判别式模型跟踪算法。用。目标跟踪过程中会经常碰到光照、外观及形状变准确、有效地选取目标特征对跟踪系统起着至关重化、运动模糊以及部分甚至完全遮挡等问题。因此

6、鲁棒要作用。目标特征中包含大量信息，有些是冗余且不相的视觉目标跟踪是一个非常具有挑战性的问题。关。如果不对特征信息加以选择，不相关的信息会严重根据建模对象的不同，跟踪模型分为产生式模型和影响分类器的性能。目前已有许多局部特征选择方法，[1][2]判别式模型。对于输入x，类别标签y，产生式模型是如Oza等提出了在线集成学习方法。该方法利用对新对观测序列的联合概率分布p(xy)建模，在得到联合概示例进行分类，把若干个单个分类器集成起来，通过对率分布之后，通过贝叶斯公式得到条件概率分布。而判多个分类器的分类结果进行某种组合决定最终分类，以别式模型是对p(y

7、x)建模

8、，通过x来预测y，在建模的取得比单个分类器更好的性能。但是，一旦当前帧检测过程中不需要关注联合概率分布只需要求解p(y

9、x)。的目标位置不准确，那么采样的正负样本也将会有误两者主要区别是：前者着重对数据的内在分布进行建差，最终导致训练的分类器是次优而不是最优。目标跟基金项目：国家自然科学基金（No.61373077）；高等学校博士学科点专项科研基金（No.20110121110020）；国家部委基础科研计划项目；国家部委科技重点实验室基金资助。作者简介：刘薇（1988—），女，硕士研究生，主要研究领域为计算机视觉；戴平阳（1975—），通讯作者，男，工程师，主要

10、研究领域为计算机视觉、模