光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2012年
2期
439-446
,共8页
在线Boosting%目标跟踪%子区域分类器%抗遮挡
在線Boosting%目標跟蹤%子區域分類器%抗遮擋
재선Boosting%목표근종%자구역분류기%항차당
针对被跟踪目标在发生严重遮挡时采用基于自学习方法的在线Boosting算法易导致错误累积而产生“漂移”甚至目标丢失的问题,提出了一种基于子区域分类器的在线Boosting算法.首先,将特征池划分为多个子区域分类器对应的子区域特征池；然后,在跟踪过程中自适应地选取子区域分类器来组成强分类器以剔除被遮挡子区域对目标定位的影响；最后,采用对子区域特征池进行部分更新的方法有效解决了特征在线更新时的错误累积问题.对不同视频序列测试的结果表明,当目标大面积被遮挡时本算法能准确定位目标,目标大小为36 pixel×40 pixel时的处理帧率为15 frame/s.与传统在线Boosting算法相比,本算法对发生严重遮挡的目标仍能进行准确跟踪.
針對被跟蹤目標在髮生嚴重遮擋時採用基于自學習方法的在線Boosting算法易導緻錯誤纍積而產生“漂移”甚至目標丟失的問題,提齣瞭一種基于子區域分類器的在線Boosting算法.首先,將特徵池劃分為多箇子區域分類器對應的子區域特徵池；然後,在跟蹤過程中自適應地選取子區域分類器來組成彊分類器以剔除被遮擋子區域對目標定位的影響；最後,採用對子區域特徵池進行部分更新的方法有效解決瞭特徵在線更新時的錯誤纍積問題.對不同視頻序列測試的結果錶明,噹目標大麵積被遮擋時本算法能準確定位目標,目標大小為36 pixel×40 pixel時的處理幀率為15 frame/s.與傳統在線Boosting算法相比,本算法對髮生嚴重遮擋的目標仍能進行準確跟蹤.
침대피근종목표재발생엄중차당시채용기우자학습방법적재선Boosting산법역도치착오루적이산생“표이”심지목표주실적문제,제출료일충기우자구역분류기적재선Boosting산법.수선,장특정지화분위다개자구역분류기대응적자구역특정지；연후,재근종과정중자괄응지선취자구역분류기래조성강분류기이척제피차당자구역대목표정위적영향；최후,채용대자구역특정지진행부분경신적방법유효해결료특정재선경신시적착오루적문제.대불동시빈서렬측시적결과표명,당목표대면적피차당시본산법능준학정위목표,목표대소위36 pixel×40 pixel시적처리정솔위15 frame/s.여전통재선Boosting산법상비,본산법대발생엄중차당적목표잉능진행준학근종.
