高斯加权的多分类器物体追踪-论文.pdf

《高斯加权的多分类器物体追踪-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、JournalofComputerApplicationsISSN1001—90812014—08—10计算机应用，2014，34(8)：2394—2398，2403C0DENJYIIDUhttp：／／www．joca．an文章编号：1001-9081(2014)08．2394—05doi：10．11772／j．issn．1001-9081．2014．08．2394高斯加权的多分类器物体追踪兰远东，邓辉舫，蔡昭权，杨雄(1．惠州学院计算机科学系，广东惠州516007；2．华南理工大学计算机科学与工程学院，广州510640)(通信作者电子邮箱lany

2、uandong@grnail．com)摘要：针对在物体外观快速变化的情况下，大多数弱学习器不能捕获物体新的特征分布，导致追踪失败的问题，提出了高斯加权的联机多分类器增强算法。该算法为每一个领域问题定义一个弱分类器，每个弱分类器包括一个简单的视觉特征和闽值，引入高斯加权函数来权衡每个弱分类器在特定样本上的贡献，通过多分类器联合学习来提高追踪性能。在物体追踪过程中，联机多分类器在对物体定位的同时还能估计物体的姿态，能够成功地学习多模态外观模型，在物体外观快速变化的情况下追踪物体。实验结果表明：所提算法在经过一个较短序列的训练后，平均追踪错误率为12．8

3、％，追踪性能明显提升。关键词：物体追踪；多分类器；高斯加权函数；分类；聚类；模式识别中图分类号：TP391．413文献标志码：AGaussianweightedmultipleclassifiersforobjecttrackingLANYuandong，DENGHuifang，CAIZhaoquan，YANGXiong(1．DepartmentofComputerScience，HuizhouUniversity,Hu&houGuangdong516007，China；2．SchoolofComputerScienceandEngineering

4、，SouthChinaUniversityofTechnology,GuangzhouGuangdong510640，China)Abstract：Whentheappearanceofanobjectchangesrapidly，mostoftheweaklearnerscannotcapturethenewfeaturedistributionswhichwillleadtotrackingfailure．Inordertodealwiththatissue，aGaussianweightedonlinemultipleclassifiersa

5、lgorithmboostingforobjecttrackingwasproposed．Thisalgorithmdefinedoneweakclassifierwhichincludedasimplevisualfeatureandathresholdforeachdomainproblem．Gaussianweightingfunctionwasintroducedtoweigheachweakclassifier'scontributioninaparticularsample，thereforethetrackingperformance

6、wasimprovedthroughjointlearningofmultipleclassifiers．Intheprocessofobjecttracking，onlinemuhipleclassifiersCannotonlysimultaneouslydeterminethelocationandestimatetheposeoftheobject，butalsosuccessfullylearnmuhi—modalappearancemodelsandtrackanobjectunderrapidappearancechanges．The

7、experimentalresultsshowthat，afterashortinitialtrainingphase，theaveragetrackingerrorrateoftheproposedalgorithmis12．8％．whichprovesthatthetrackingperformancehasenhancedsignificantly．Keywords：objecttracking；multipleclassifiers；Gaussianweightedfunction；classification；clustering；pat

8、ternrecognition这样的模型可以是生成式的，也可以是判别式的。0引言一般来说，使用判别式的情况下，首先发现不同