特征加权融合的在线多示例学习跟踪算法  

Object tracking based on online multiple instance learning with feature weighted fusion

作　　者：刘薇[1] 戴平阳[1] 李翠华[1] 

机构地区：[1]厦门大学信息科学与技术学院,福建厦门361005

出　　处：《计算机工程与应用》2015年第12期189-193,234,共6页Computer Engineering and Applications

基　　金：国家自然科学基金(No.61373077);高等学校博士学科点专项科研基金(No.20110121110020);国家部委基础科研计划项目;国家部委科技重点实验室基金资助

摘　　要：为了能更加准确鲁棒地跟踪目标,提出了特征加权融合的在线多示例学习跟踪算法(WFMIL)。WFMIL在多示例学习框架下分别训练两种特征(Hog和Haar)分类器。在跟踪过程中,通过线性运算融合成一个强分类器,同时在学习过程中对正包中的示例引入权重。实验结果统计表明WFMIL能很好地解决目标漂移问题,并且对目标遮挡、运动突变、光照变化以及运动模糊等具有较好的鲁棒性。For the object tracking problems in computer vision, feature Weighted Fusion online Multiple Instance Learning tracking algorithm（WFMIL）is proposed. WFMIL trains two features（Hog and Haar）classifier separately by multiple instance learning method. In the tracking process, they are integrated into a strong classifier by the linear operation. While in the learn-ing process, weight is introduced into instances of positive package. Experimental results show that WFMIL can solve the object drift and has a certain robustness in handling occlusion, target abrupt motion, illumination change, and motion blur.

关 键 词：特征融合 在线多示例学习 目标跟踪 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]