基于在线判别分布域特征选择的鲁棒跟踪算法
来源期刊:东北大学学报(自然科学版)2017年第3期
论文作者:郭强 吴成东 赵迎春
文章页码:305 - 309
关键词:视觉跟踪;分布域描述算子;特征选择;软直方图;监督学习;
摘 要:针对基于检测目标跟踪中的特征描述子Haar-like表征能力不强和易引入错误训练样本导致目标漂移的问题,提出了一种利用分布域描述算子进行示例层级的在线判别特征选择跟踪算法.首先,用软直方图方法快速近似得到分布域特征,并利用此描述算子取代Haar-like特征有效表示目标的外观信息.然后,基于示例级样本的先验信息进行有监督学习,利用在线判别特征选择算法选择最佳的分布域层特征以减少漂移现象发生.实验利用多场景视频标准测试库及新的评价指标进行验证,结果表明本文算法性能优于对比算法.
郭强1,2,吴成东1,赵迎春2
1. 东北大学信息科学与工程学院2. 中国刑事警察学院图书馆
摘 要:针对基于检测目标跟踪中的特征描述子Haar-like表征能力不强和易引入错误训练样本导致目标漂移的问题,提出了一种利用分布域描述算子进行示例层级的在线判别特征选择跟踪算法.首先,用软直方图方法快速近似得到分布域特征,并利用此描述算子取代Haar-like特征有效表示目标的外观信息.然后,基于示例级样本的先验信息进行有监督学习,利用在线判别特征选择算法选择最佳的分布域层特征以减少漂移现象发生.实验利用多场景视频标准测试库及新的评价指标进行验证,结果表明本文算法性能优于对比算法.
关键词:视觉跟踪;分布域描述算子;特征选择;软直方图;监督学习;