基于集成多示例学习的Mean Shift跟踪算法

摘要：

为了实现长时间稳定的对特定目标的跟踪，结合匹配型跟踪方法和决策型跟踪方法的优势，同时利用集成学习的思想构建多个强分类器，提出一种基于集成多示例学习的mean shift跟踪算法。首先在上一帧中对示例进行随机采样，构建分类器的集体，通过集成学习合成最终的分类器以确定当前帧中目标的初始位置；然后对初始位置和上一帧目标最终位置的距离与设定的阈值进行判断，决定是否采用mean shift跟踪算法对初始位置进行修订，以确定目标的最终位置。实验结果表明，该算法不但可以应对目标的形变、旋转、遮挡以及光照变化等各种复杂的情况，而且可以做到长时间的跟踪，具有较强的鲁棒性。

关键词：集成学习、多示例学习、mean shift跟踪、目标跟踪

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家“九七三”重点基础研究发展计划项目2010CB327900;国家自然科学基金61105042;江西省教育厅科技项目GJJ13421

在线出版日期：2015-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：226-237