基于特征自适应选择的鲁棒跟踪算法
来源期刊:控制与决策2014年第12期
论文作者:吴成东 齐苑辰 陈东岳
文章页码:2137 - 2143
关键词:目标跟踪;在线学习;自适应更新;遮挡检测;
摘 要:为了解决真实场景下视频目标的跟踪问题,提出一种基于特征自适应选择的鲁棒跟踪算法.首先,针对在线Ada Boost算法特征池特征鲁棒性差的问题,提出一种基于颜色与金字塔梯度方向直方图特征相结合的特征池构造方式;然后,针对分类器在更新过程中容易受到错误样本影响的问题,对每帧跟踪结果增加遮挡检测环节以避免漂移现象的发生.大量的对比实验表明,在真实场景下所提出的方法具有更好的效果.
吴成东,齐苑辰,陈东岳
东北大学信息科学与工程学院
摘 要:为了解决真实场景下视频目标的跟踪问题,提出一种基于特征自适应选择的鲁棒跟踪算法.首先,针对在线Ada Boost算法特征池特征鲁棒性差的问题,提出一种基于颜色与金字塔梯度方向直方图特征相结合的特征池构造方式;然后,针对分类器在更新过程中容易受到错误样本影响的问题,对每帧跟踪结果增加遮挡检测环节以避免漂移现象的发生.大量的对比实验表明,在真实场景下所提出的方法具有更好的效果.
关键词:目标跟踪;在线学习;自适应更新;遮挡检测;