-
题名基于示例选择的目标跟踪改进算法
被引量：2
- 1
-
-
作者
李想
汪荣贵
杨娟
蒋守欢
梁启香
-
机构
合肥工业大学计算机与信息学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2015年第1期150-157,共8页
-
基金
国家自然科学基金资助项目"雾天视频中目标跟踪的视觉计算模型与方法研究"(61075032)
安徽省自然科学基金资助项目(1408085AF117)
-
文摘
多示例学习是一种处理包分类问题的新型学习模式,传统基于多示例学习的目标跟踪算法在自适应获取正包时受到无益或有害示例的干扰,不能很好地提取目标的鉴别性特征。为此,设计基于核密度估计的示例选择方法,剔除训练集中的无益示例或有害示例,提高多示例学习算法的有效性,并在此基础上提出一种基于示例选择的目标跟踪改进算法,针对负示例占多数的情况建立核密度估计函数来精简正包中的示例,使用精简后的样本数据进行训练学习,最终实现对目标的实时跟踪。实验结果表明,该算法在光照变化、目标部分遮挡及形体变化等情形下都具有较好的稳健性。
-
关键词
多示例学习
有害示例
核密度估计
示例选择
稳健性
目标跟踪
-
Keywords
Multiple instance Learning（MIL）
harmful instance
kernel density estimation
instance selection
robustness
object tracking
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
