基于粒子滤波和多示例学习的目标跟踪.PDFVIP

第３１卷第８期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．８ ２０１４年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１４ 基于粒子滤波和多示例学习的目标跟踪 罗　萱 （重庆青年职业技术学院计算机科学系　重庆４００７１２） 摘　要　　目标跟踪是计算机视觉领域中研究的热点问题。当前，基于多示例学习的目标跟踪算法引起了较多的关注。在研究多 示例学习算法的基础上，针对原始的多示例学习目标跟踪算法中使用运动模型的不足，提出一种改进的基于在线学习的目标跟踪方 法。该方法首先根据方向直方图局部特征（ＨＯＧ特征）来描述目标，然后通过粒子滤波方法对目标位置进行预测，再用基于Ｂｏｏｓｔｉｎｇ 的在线多示例学习方法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。 通过实验表明，改进的方法可以有效地提高目标跟踪精度和算法的鲁棒性。 关键词　　目标跟踪　计算机视觉　多示例学习　局部特征　粒子滤波 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０８．０４７ ＯＢＪＥＣＴＴＲＡＣＫＩＮＧＢＡＳＥＤＯＮＰＡＲＴＩＣＬＥＦＩＬＴＥＲＡＮＤ ＭＵＬＴＩＰＬＥＩＮＳＴＡＮＣＥＬＥＡＲＮＩＮＧ ＬｕｏＸｕａｎ （ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＣｈｏｎｇｑｉｎｇＹｏｕｔｈＶｏｃａｔｉｏｎａｌａｎｄＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅ，Ｃｈｏｎｇｑｉｎｇ４００７１２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｏｂｊｅｃｔｔｒａｃｋｉｎｇｉｓｔｈｅｒｅｓｅａｒｃｈｆｏｃｕｓｉｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎｆｉｅｌｄ．Ｃｕｒｒｅｎｔｌｙ，ｔｈｅｏｂｊｅｃｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｍｕｌｔｉｐｌｅｉｎ ｓｔａｎｃｅｌｅａｒｎｉｎｇｈａｓａｒｏｕｓｅｄｑｕｉｔｅａｆｅｗａｔｔｅｎｔｉｏｎｓ．Ｔｈｅｒｅｆｏｒｅ，ｂａｓｅｄｏｎｓｔｕｄｙｉｎｇｔｈｅｍｕｌｔｉｐｌｅｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍ，ｗｅｐｒｏｐｏｓｅａｎｉｍ ｐｒｏｖｅｄｏｎｌｉｎｅｌｅａｒｎｉｎｇｂａｓｅｄｏｂｊｅｃｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍａｉｍｉｎｇａｔｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆｕｓｉｎｇｍｏｔｉｏｎｍｏｄｅｌｉｎｏｒｉｇｉｎａｌｏｂｊｅｃｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍ ｂａｓｅｄｏｎｍｕｌｔｉｐｌｅｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇ．Ｔｈｅａｌｇｏｒｉｔｈｍｆｉｒｓｔｄｅｓｃｒｉｂｅｓｔｈｅｏｂｊｅｃｔａｃｃｏｒｄｉｎｇｔｏｔｈｅｌｏｃａｌｆｅａｔｕｒｅｏｆｔｈｅｈｉｓｔｏｇｒａｍｏｆｏｒｉｅｎｔｅｄｇｒａｄｉｅｎｔ （ＨＯＧ），ｎｅｘｔｉｔｅｓｔｉｍａｔｅｓｏｂｊｅｃｔ’ｓｌｏｃａｔｉｏｎｗｉｔｈｐａｒｔｉｃｌｅｆｉｌｔｅｒ，ａｎｄｔｈｅｎｂｕｉｌｄｓｔｈｅｍｏｄｅｌｏｆｏｂｊｅｃｔｄｅｓｃｒｉｐｔｉｏｎａｎｄｔｈｅｃｌａｓｓｉｆｉｅｒｂｙｕｓｉｎｇ Ｂｏｏｓｔｉｎｇｂａｓｅｄｏｎｌｉｎｅｍｕｌｔｉｐｌｅｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍ．Ａｔｌａｓｔ，ｔｈｅｃｌａｓｓｉｆｉｅｒｉｓｕｓｅｄｉｎｔｈｅｉｍａｇｅｏｆｎｅｘｔｆｒａｍｅｔｏｔｒａｃｋｔｈｅｏｂｊｅｃｔ，ａｎｄ ｍｅａｎｗｈｉｌｅｔｈｅｃｌａｓｓｉｆｉｅｒｉｓｕｐｄａｔｅｄｏｎｌｉｎｅ．Ｉｔｉｓｉｌｌｕｓｔｒａｔｅｄｔｈｒｏｕｇｈｔｈｅｅｘｐｅｒｉｍｅｎｔｔｈａｔｔｈｅｉｍｐｒｏｖｅｄｔｒａｃｋｉｎｇｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｒａｉｓｅｔｈｅ ｏｂｊｅｃｔｔｒａｃｋｉｎｇａｃｃｕｒａｃｙａｎｄｔｈｅｒｏｂｕｓｔｎｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ　　Ｏｂｊｅｃｔｔｒａｃｋｉｎｇ　Ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ　Ｍｕｌｔｉｐｌｅｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇ　Ｌｏｃａｌｆｅａｔｕｒｅ　Ｐａｒｔｉｃｌｅｆｉｌｔｅｒ