基于簇相似的多分类器目标跟踪算法.pdfVIP

第４期 电　　子　　学　　报 Ｖｏｌ．４４　Ｎｏ．４ ２０１６年４月 ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡ Ａｐｒ．　２０１６ 基于簇相似的多分类器目标跟踪算法 李　康，何发智，潘一腾，孙　航 （武汉大学计算机学院，湖北武汉４３００７２） 　　摘　要：　由于跟踪过程中目标和背景的变化，传统的单分类器跟踪算法学习到大量的非目标信息而导致跟踪精 度降低．针对该问题，本文提出使用树形结构保存历史分类器．在每一帧，根据树中路径距离选择分类器集对测试样本 分类．提出了一种基于簇相似性比较的分类算法．通过建立以方差为尺度的特征空间，比较测试样本到簇中心的距离 计算相似度，快速计算出目标样本．实验表明本算法能够在复杂条件下实现对目标的鲁棒跟踪． 关键词：　目标跟踪；多分类器；在线学习；类哈尔特征 中图分类号：　ＴＰ３９１４１　　　文献标识码：　Ａ　　　文章编号：　０３７２２１１２（２０１６）０４０８２１０５ 电子学报ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｊｏｕｒｎａｌ．ｏｒｇ．ｃｎ　 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．０３７２２１１２．２０１６．０４．０１０ ＭｕｌｔｉＣｌａｓｓｉｆｉｅｒＯｂｊｅｃｔＴｒａｃｋｉｎｇＢａｓｅｄｏｎＣｌｕｓｔｅｒＳｉｍｉｌａｒｉｔｙ ＬＩＫａｎｇ，ＨＥＦａｚｈｉ，ＰＡＮＹｉｔｅｎｇ，ＳＵＮＨａｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ，Ｈｕｂｅｉ４３００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｄｕｅｔｏｔｈｅｃｈａｎｇｅｓｏｆｔａｒｇｅｔａｎｄｂａｃｋｇｒｏｕｎｄｄｕｒｉｎｇｔｒａｃｋｉｎｇ，ｔｒａｄｉｔｉｏｎａｌｓｉｎｇｌｅｃｌａｓｓｉｆｉｅｒｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｓ ｌｅａｒｎａｌｏｔｏｆｎｏｎｔａｒｇｅｔｉｎｆｏｒｍａｔｉｏｎｗｈｉｃｈｒｅｓｕｌｔｉｎｔｈｅｄｅｃｒｅａｓｅｏｆｔｒａｃｋｉｎｇａｃｃｕｒａｃｙ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｏｐｏｓｅｔｏｕｓｅｔｒｅｅ ｓｔｒｕｃｔｕｒｅｔｏｓａｖｅｆｏｒｍｅｒｃｌａｓｓｉｆｉｅｒｓａｓａｓｅｔ．Ｉｎｅａｃｈｆｒａｍｅ，ａｓｕｂｓｅｔｏｆｃｌａｓｓｉｆｉｅｒｓａｒｅｃｈｏｓｅｎａｃｃｏｒｄｉｎｇｔｏｔｈｅｐａｔｈｉｎｔｈｅｔｒｅｅ ｔｏｃｌａｓｓｉｆｙｔｅｓｔｓａｍｐｌｅｓ．Ｗｅｐｒｏｐｏｓｅａｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｃｌｕｓｔｅｒｓｉｍｉｌａｒｉｔｙｃｏｍｐａｒｉｓｏｎ．Ａｎｏｒｍａｌｉｚｅｄｆｅａｔｕｒｅ ｓｐａｃｅｉｓｅｓｔａｂｌｉｓｈｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｖａｒｉａｎｃｅｏｆｔｈｅｃｌｕｓｔｅｒ．Ｔｈｅｔａｒｇｅｔｉｎａｎｅｗｆｒａｍｅｃｏｕｌｄｂｅｇｏｔｂｙｃｏｍｐｕｔｉｎｇｔｈｅｄｉｓ ｔａｎｃｅｂｅｔｗｅｅｎｔｅｓｔｓａｍｐｌｅｓａｎｄｔｈｅｃｅｎｔｅｒｏｆｔｈｅｃｌｕｓｔｅｒ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｏｕｒａｌｇｏｒｉｔｈｍｃｏｕｌｄａｃｈｉｅｖｅｔｈｅｇｏａｌｏｆｒｏ ｂｕｓｔｔｒａｃｋｉｎｇｕｎｄｅｒｃｏｍｐｌｉｃａｔｅｄｃｏｎｄｉｔｉｏｎｓ． Ｋｅｙｗｏｒｄｓ：　ｏｂｊｅｃｔｔｒａｃｋｉｎｇ；ｍｕｌｔｉｐｌｅｃｌａｓｓｉｆｉｅｒｓ；ｏｎｌｉｎｅｌｅａｒｎｉｎｇ；Ｈａａｒｌｉｋｅｆｅａｔｕｒｅ 型算法从目标和背景中采集正样本和负样本，对这些样 １　引言 本提取特征后训练分类器，最后使用分类器对目标可能 　　目标跟踪是计算机视觉中最为活跃的领域之一， 存在区域的采样样本进行分类得到目标的位置．文献［８］ 其研究成果被广泛用于运动分析，实时监控和人机交 提出了一种在线Ｂｏｏｓｔｉｎｇ算法，取得了良好的效果．但是 互等领域［１，２］．近年来有