- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于多示例学习的目标跟踪算法.pdf
第 19卷 第 2期 西 安 邮 电 大 学 学 报 V0I_19 NO.2
2014年 3月 JOURNALOFXI’AN UNIVERSITY OFPoSTSAND TELEC0MMUNICATl0NS Mar.2014
doi:10.13682/j.issn.2095—6533.2014.02.007
基于多示例学习的 目标跟踪算法
李 娜 ,李大湘 。,刘卫华 。,刘 颖 。
(1.西安邮 电大学 通信与信 息工程学院,陕西 西安 710121;
2.长安大学信息工程学院,陕西 西安 710064;
3.陕西省法庭科学电子信息实验研究中心 图像处理实验宣,陕西 西安 710121)
摘 要 :为提高运动 目标跟踪算法 的鲁棒性,提 出一种基于多示例学习(MIL)框架 的跟踪算法 。该算法利用类
Haar特征构建若干弱分类器 ,然后级联为多示例学习强分类器 ,根据 目标在视频前一帧中的位置 ,依据最大熵原
理,在当前帧中找出目标可能出现的范围,并利用该强分类器确定其最有可能出现的位置,作为跟踪结果,并且将
该位置不同邻域 内的图像分别作为正包和负包去更新多示例学习强分类器 。实验结果表明,该算法对于运动 目标
外观有显著变化 的情况具有较好 的鲁棒性和实时性 。
关键词 :目标跟踪 ;多示例学习;弱分类器
中图分类号:TP391 文献标识码 :A 文章编号:2095—6533(2014)02-0043-05
objecttrackingalgorithmswithmultipleinstancelearning
LINa ,LIDaxiang ,LIU W eihua ,LIU Ying。
(1.SchoolofCommunicationandInfonmtionEngin~zing,Xi’anUniversityofPostsandTelecon-~unicafions,Xi’na 710121,O~ina;
2.SchoolofInformationEngineering,Chang’anUniversity,Xi’an710064,China;
3.LabofImageProcessing,ShaanxiCrimeSceneInvestigationUnit,Xi’an710121,China)
Abstract:Inthispaper,anobjecttrackingalgorithm withmultipleinstancelearningisproposed.
Thisalgorithm usesHaar—like featurestobuild manyweak classifiers,and combinessomeof
them intoanadditivestrongclassifier.Accordingtothepositionoftheobjectintheformer
frame,thepositionoftheobjectinthecurrentframeisascertainedwiththestrongclassifier.Dif-
ferentimagepatchesarecroppedaspositiveandnegativebagstoupdatetheonlinestrongclassifi—
erinitsneighborhood.Theexperimentalresultsshow thatthisalgorithm hasgoodrobustness
andreal—timeperformancewhentheappearanceofobjectundergoessomesignificantchanges.
Keywords:objecttracking,multipleinstancelearning,weakclassifier
目标跟踪是计算机视觉研究的热点,
您可能关注的文档
- 基于UBGPM-Markov的铁路货运量预测方法.pdf
- 基于UWB的矿井人员定位系统设计.pdf
- 基于VC++的汽车操纵稳定性模拟计算系统设计.pdf
- 基于Veins平台的车路通信系统仿真.pdf
- 基于VISSIM仿真的禁左区域车流组织研究.pdf
- 基于Web服务的交通数据交换过程.pdf
- 基于WiFi的分布式监视场景拼接系统.pdf
- 基于WinCC的恒温水槽系统设计.pdf
- 基于Wi—Fi Direct的即时通讯软件设计与实现.pdf
- 基于ZigBee和GSM的桥隧贯通地线监测.pdf
- 大学生职业规划大赛《新闻学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《应用统计学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《音乐学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《中医学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《信息管理与信息系统专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《汽车服务工程专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《水产养殖学专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《市场营销专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《音乐表演专业》生涯发展展示PPT.pptx
- 大学生职业规划大赛《音乐学专业》生涯发展展示PPT.pptx
文档评论(0)