在线学习多重检测的可视对象跟踪方法

被引：3

作者：

权伟 ^{[1
]}

陈锦雄 ^{[1
]}

余南阳 ^{[2
]}

机构：

[1] 西南交通大学信息科学与技术学院

[2] 西南交通大学机械工程学院

来源：

电子学报 | 2014年 / 42卷 / 05期

关键词：

对象跟踪; 多重检测; 在线学习; 随机蕨;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

为了研究无约束环境下长时间可视跟踪问题,提出了一种在线学习多重检测的对象跟踪方法.该方法以随机蕨作为基础检测器结构,通过在线学习的方式,将目标对象的整体和局部表观,以及由场景学习中发掘的同步对象同时作为检测学习的基础数据,该检测器因而具备了对这多种对象的独立检测能力.由于其各个检测部分发挥了各自不同的作用,本文从测量的角度将检测器对这三种对象检测的结果进行融合,通过计算检测关于目标的配置概率进而确定目标位置,实现对象跟踪任务.基于真实视频序列的实验结果验证了本文方法的有效性和稳定性,以及较现有的跟踪方法在跟踪性能上的提高.

引用

页码：875 / 882

页数：8

共 9 条

[1]

Incremental learning for robust visual tracking [J].