基于加權多實例學習的壓縮感知目標跟蹤
摘要：為了處理運動目標跟蹤中的遮擋、光照變化以及背景雜亂等問題,提出了一種基于加權多實例學習的壓縮感知目標跟蹤方法。在提取圖像塊類Haar特征的基礎上,采用隨機投影方法對高維特征進行壓縮,結合加權多實例學習策略,在boosting學習框架下訓練分類器,根據分類器最大響應值得到跟蹤目標圖像塊。使用矩形框手動標定第一幀圖像的目標,對后續幀采樣的正負實例的類哈爾特征進行壓縮,通過這些樣本特征訓練分類器,得到跟蹤結果。實驗結果表明,所提算法具有較高的跟蹤精度、實時性和魯棒性,對所選的四個具有挑戰性的視頻序列,跟蹤成功率都能超過89%,幀率也超過26f/s。
注: 保護知識產權,如需閱讀全文請聯系光學技術雜志社
相關推薦
更多
