在线机器学习跟踪算法的研究进展-华侨大学学报自然科学版.pdfVIP

第 卷 第 期 华 侨 大 学 学 报 （自然 科 学 版 ） ３５ １ Ｖｏｌ．３５ Ｎｏ．１ 　 　 　 　 年 月 （ ） ２０１４ １ ＪｏｕｒｎａｌｏｆＨｕａｉａｏＵｎｉｖｅｒｓｉｔ ＮａｔｕｒａｌＳｃｉｅｎｃｅ Ｊａｎ．２０１４ 　 　 ｑ ｙ 文章编号： （ ） ： ／ １０００５０１３２０１４０１００４１０６ 犱狅犻１０．１１８３０ＩＳＳＮ．１０００５０１３．２０１４．０１．００４１ 　 　 在线机器学习跟踪算法的研究进展 钟必能，陈雁，沈映菊，陈锻生，陈维斌 （华侨大学 计算机科学与技术学院，福建 厦门 ３６１０２１） 摘要： 分类介绍在线机器学习跟踪算法的研究现状，比较各种算法的优缺点 研究表明：每一种跟踪算法都 ． 　 有其自身的优点和缺点，通常情况下只能处理某一些特定类型的变化，很难确保某一特定类型的跟踪算法能 够处理复杂跟踪场景中的所有不确定因素 最后，针对在线学习算法容易产生误差积累，最终发生目标漂移的 ． 问题，提出使用多跟踪器的融合，实现鲁棒跟踪等相应的解决方案． 关键词： 目标跟踪算法；在线机器学习；目标漂移；多跟踪器 　 中图分类号： ＴＰ３９１．４１ 文献标志码： Ａ 　 　 ［ ］ １３ 在计算机视觉领域，目标跟踪有着广泛的应用 ? ．基于在线学习的目标跟踪，把跟踪看作分类问 题，用在线机器学习算法来处理目标跟踪 与传统离线机器学习相比，在线机器学习算法应用更加广泛 ． 和灵活，尤其是在跟踪目标非特定，以及目标在跟踪过程中变化大的情况 因此，随着在线机器学习算法 ． 的迅速发展，基于在线学习的目标跟踪算法成为近几年的研究热点之一 视频是三维物体向二维平面的 ． ［］ ４ 投影，复杂场景中噪声、遮挡、背景干扰和目标表观的变化等都给目标跟踪带来极大挑战 一个好的目 ． ［］ ５ 标跟踪算法，一般得满足如下 点要求 ：