Adaboost目标跟踪算法

被引：8

作者：

贾静平 ^{[1
]}

张飞舟 ^{[1
]}

柴艳妹 ^{[2
]}

机构：

[1] 北京大学地球与空间科学学院遥感与地理信息系统研究所

[2] 清华大学计算机科学与技术系

来源：

模式识别与人工智能 | 2009年 / 22卷 / 03期

关键词：

Adaboost分类器; 图像跟踪; 序列图像分析;

D O I：

10.16451/j.cnki.issn1003-6059.2009.03.009

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

从两类模式分类技术的角度看待视频序列中的目标跟踪问题,提出一种基于Adaboost学习技术的跟踪算法.首先利用像素RGB分量的整数系数的线性组合生成备选目标特征,以类间方差比为标准选出较好的特征来设计若干弱分类器,进而构造出一个强分类器.然后对于每帧输入图像,按照该强分类器对各像素进行分类,生成目标概率分布图.再通过结合信任域算法和尺度空间理论实现对分布图中的灰度块定位,从而完成目标跟踪.此外还通过在线集成新的弱分类器和对已有弱分类器权值的更新,提高算法对光照变化等因素引起的特征变化的适应能力.在大量真实序列图像上进行实验验证,并与现有算法进行比较,结果表明该算法不但能更好地应对目标特征变化,在存在干扰的背景中稳定跟踪目标,也能更准确地描述目标大小,显著提高跟踪算法精度.

引用

页码：475 / 480

页数：6