基于在线多示例学习的协同训练目标跟踪算法.pdfVIP

第33卷第2期 吉林大学学报(信息科学版) V01．33No．2 of Science Mall-．2015 2015年3月 JournalJilin Edition) University(Information 文章编号：1671-5896(2015)02-0201-07 基于在线多示例学习的协同训练目标跟踪算法 李 飞，王从庆，周 鑫，周大可 (南京航空航天大学自动化学院，南京210016) 摘要：为解决把多示例学习应用到目标跟踪算法而导致的误差积累问题，结合协同训练方法，提出一种新的目 标跟踪算法。该算法利用协同训练克服分类器自训练带来的误差积累，同时在线多示例学习提高了跟踪效果 的鲁棒性。将跟踪结果中心与理想目标位置中心的误差作为评价标准，在标准视频序列上将跟踪结果与半监 督学习跟踪算法和传统多示例学习跟踪算法进行对比。实验结果表明，该方法在背景光照变化、目标旋转等复 杂条件下，可很好地跟踪目标，具有较好的鲁棒性。 关键词：多示例学习；协同训练；目标跟踪；在线学习；目标检测 中图分类号：TP391．4 文献标识码：A withOnline Instance Co—TrainingObjectTracking Multiple Learning LI Dake Fei，WANGCongqing，ZHOUXin，ZHOU ofAutomation ofAeronauticsand University 210016，China) (College Engineering，Nanjing Astronautics，Nanjing solvethe that instance cancauseerroraccumulationin Abstract：Toproblemmultiple learing objecttracking new was basedon andonline instance algorithm，aobjecttrackingalgorithmproposed co—training multiple uses toovercomeerrorsaccumulationcaused and the learning．ThisalgorithmCO—training byself-trainingimprove robustnessof basedononline instance centererrorbetween trackingperformance muhiple learning．The tracking ideal locationwasusedas resultsand object evaluationcriteria．The semi—supervisedlearningtrackingalgorithm andtraditionalinstance were onthevideoframeswhichcomefrom multiple