摘要:
为解决把多示例学习应用到目标跟踪算法而导致的误差积累问题, 结合协同训练方法, 提出一种新的目标跟踪算法。该算法利用协同训练克服分类器自训练带来的误差积累, 同时在线多示例学习提高了跟踪效果的鲁棒性。将跟踪结果中心与理想目标位置中心的误差作为评价标准, 在标准视频序列上将跟踪结果与半监督学习跟踪算法和传统多示例学习跟踪算法进行对比。实验结果表明, 该方法在背景光照变化、目标旋转等复杂条件下, 可很好地跟踪目标, 具有较好的鲁棒性。
中图分类号:
李飞, 王从庆, 周鑫, 周大可. 基于在线多示例学习的协同训练目标跟踪算法[J]. 吉林大学学报(信息科学版), 2015, 33(2): 201-207.
LI Fei, WANG Congqing, ZHOU Xin, ZHOU Dake. Co-Training Object Tracking with Online Multiple Instance Learning[J]. Journal of Jilin University(Information Science Ed, 2015, 33(2): 201-207.