10.3969/j.issn.1000-386x.2014.08.047
基于粒子滤波和多示例学习的目标跟踪
目标跟踪是计算机视觉领域中研究的热点问题.当前,基于多示例学习的目标跟踪算法引起了较多的关注.在研究多示例学习算法的基础上,针对原始的多示例学习目标跟踪算法中使用运动模型的不足,提出一种改进的基于在线学习的目标跟踪方法.该方法首先根据方向直方图局部特征(HOG特征)来描述目标,然后通过粒子滤波方法对目标位置进行预测,再用基于Boosting的在线多示例学习方法来建立描述目标的模型和分类器,最后在下一帧的图像中利用该分类器来跟踪目标,同时在线更新分类器.通过实验表明,改进的方法可以有效地提高目标跟踪精度和算法的鲁棒性.
目标跟踪、计算机视觉、多示例学习、局部特征、粒子滤波
31
TP391(计算技术、计算机技术)
2014-10-09(万方平台首次上网日期,不代表论文的发表时间)
共5页
186-190