换一批基于稀疏表达的多示例学习目标追踪算法
Multiple Instance Learning Target Tracking Algorithm Based on Sparse Representation
摘要追踪目标在经历较大姿势变化时,会导致追踪目标偏移甚至丢失.为此,提出一种基于稀疏表达的多示例学习目标追踪算法.联合多示例学习与稀疏表达方法,将目标物体的局部稀疏编码作为多示例学习的训练数据,通过学习正负样本的局部稀疏编码获得一个多示例学习的分类器,分类的结果与粒子滤波框架相结合,估计目标在整个视频序列中的运动状态.实验结果表明,该算法稳定性较好,与增量学习追踪算法、范式学习追踪算法和多示例学习追踪算法相比,其中心位置误差率减少30％以上.
更多相关知识
关键词
目标追踪多示例学习稀疏表达分类器粒子滤波数据字典object trackingMultiple Instance Learning(MIL)sparse representationclassifierparticle filteringdata dictionary
分类号
TP301.6
栏目名称
DOI
10.3969/j.issn.1000-3428.2013.03.042
发布时间
2013-11-12（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（31171456）
安徽省教育厅自然科学研究项目（kj2011z156）
- 浏览0
- 被引9
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
