多示例在线学习方法在遮挡目标跟踪中的应用-中南大学学报.pdfVIP

第 42 卷增刊 1  中南大学学报(自然科学版)  Vol.42  Suppl. 1  2011 年 9 月  Journal of Central South University (Science and Technology)  Sep. 2011  多示例在线学习方法在遮挡目标跟踪中的应用 1,2  1,2  1  宋野  ，齐志泉  ，王来生  (1.  中国农业大学 理学院，北京，100083；  2.  北京华兴致远科技发展有限公司，北京，100193)  摘要：针对有遮挡的视频目标跟踪问题，提出一种新的基于在线学习的跟踪方法。该方法首先根据局部特征(局部 方向直方图算子)来描述目标，然后利用基于 Boosting 的在线多示例学习方法(OMILBoost)来建立描述目标的模型 和分类器，最后在下一帧的图像中利用该分类器来跟踪目标，同时在线更新分类器。该方法能有效地避免在线学 习中的“漂移”  问题，对有遮挡的目标跟踪问题具有良好的性能。大量的实验证明了该方法的有效性。 关键词:  目标跟踪；在线学习；局部特征 中图分类号：TP391.41  文献标志码：A  文章编号：1672−7207(2011)S1−0666−06  Application of online multiple instance learning method in  object tracking through occlusion  1, 2  1,2  1  SONGYe  , QI ZHi­quan  ,WANG Lai­sheng  (1. College of Science, China Agricultural University, Beijing 100083, China;  2. Beijing New Vision Technology Development Co., Ltd, Beijing 100193, China)  Abstract: To solve the problem of video object tracking through occlusion, a new tracking method was proposed based  on online learning. In the algorithm, HOG(Histogram of oriented gradient) was used to describe the object, and then  tracking model and classifier were built using online multiple instance learning algorithm based on Boosting(called  OMIL­Boost). The classifier built in the last frame was used to track the object and will be updated to deal with the next  frame.  The method can  avoid the  “drift”