基于高效多示例学习的目标跟踪.pdfVIP

JournalofComputerApplications I3SN 1001．9081 201502．10 计算机应用，2015，35(2)：466—469，475 (：0DEN JYIIDU http：／／www．joca．cn 文章编号：1001—9081(2015)02-0466．40 doi：10．11772／j．issn．1001—9081．2015．02．4066 基于高效多示例学习的 目标跟踪 彭 爽 。，彭晓明 (电子科技大学 自动化工程学院，成都 611731) ( 通信作者电子邮箱903525089@qq．tom) 摘 要：基于多示例学习(MIL)的跟踪算法能在很大程度上缓解漂移问题。然而，该算法的运行效率相对较低， 精度也有待提高，这是由于MIL算法采用的强分类器更新策略效率不高，以及分类器更新速度与 目标外观变化速度 不一致引起的。为此提 出一种新的强分类器更新策略，以大幅提升 MIL算法的运行效率；同时提出一种动态更新分 类器学习率的机制，使更新后的分类器更符合 目标 外观，提高跟踪算法的精度。通过实验将该算法和MIL算法以 及基于加权多示例学习的跟踪算法(WMIL)进行对比，实验结果表明，所提 出算法的运行效率和跟踪精度都是三者中 最好的，在背景中没有与被跟踪 目标外观相似的干扰物体存在时有较好的跟踪优势。 关键词：目标跟踪；多实例学习；分类器；漂移；样本集 中图分类号：TP391．4 文献标志码 ：A objecttracking、】lrithefficientmultipleinstancelearning PENGShua．ng ，PENG Xiaoming (SchoolofAutomationEngineering,Univemi~ofElectronicScienceandTechnologyofChina，ChengduScihuan611731，China) Abstract：ThemethodbasedonMultipleInstanceLearning(MIL)canalleviatethedriftproblemtoacertainextend． However，MIL method hasrelativelypoorperformancein runningefficiency andaccuracy，because theupdate strategy efficiencyofthestrongclassifiersislow，andtheupdatespeedoftheclassifiersisnotSaBlewiththeappearancechangespeed ofthetargets．Tosolvethisproblem，anewupdatestrategyforstrongclassifierwasproposedtoimprovetherunningefficiency ofMILmethod．Inaddition，toimprovethetrackingaccuracyoftheMILmethod，anew dynamicmechanisim forlearningrate renewaloftheclassifierwasgiventomaketheupdated classifierwouldmoreconfoITlltotheappearanceofthetarget．The experimentalresultsoncomparisonwithMILmethodnadtheWeightedMultipleInstanceLearning(WMIL)methodshowthat， theproposedmethodhasthebestperformancein running efficiency an