| 采用在线多实例学习的超像素跟踪 | |
| 王暐1; 王春平1; 付强1,2; 徐艳1; 欧新宇3 | |
| 2016-08-26 | |
| 发表期刊 | 电光与控制
 |
| ISSN | 1671-637X |
| 卷号 | 24期号:01页码:27-32 |
| 摘要 | 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 |
| URL | 查看原文 |
| 收录类别 | 北大核心 |
| 语种 | 中文 |
| 资助项目 | 国家自然科学基金(61141009) |
| 原始文献类型 | 学术期刊 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.library.ouchn.edu.cn/handle/39V7QQFX/140544 |
| 专题 | 国家开放大学云南分部 |
| 作者单位 | 1.军械工程学院; 2.清华大学计算机科学与技术系; 3.云南开放大学云南省干部在线学习学院 |
| 推荐引用方式 GB/T 7714 | 王暐,王春平,付强,等. 采用在线多实例学习的超像素跟踪[J]. 电光与控制,2016,24(01):27-32. |
| APA | 王暐,王春平,付强,徐艳,&欧新宇.(2016).采用在线多实例学习的超像素跟踪.电光与控制,24(01),27-32. |
| MLA | 王暐,et al."采用在线多实例学习的超像素跟踪".电光与控制 24.01(2016):27-32. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [王暐]的文章 |
| [王春平]的文章 |
| [付强]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [王暐]的文章 |
| [王春平]的文章 |
| [付强]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [王暐]的文章 |
| [王春平]的文章 |
| [付强]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论