【摘要】：針對(duì)在現(xiàn)有的基于在線半監(jiān)督boosting的目標(biāo)跟蹤算法中,當(dāng)目標(biāo)發(fā)生遮擋或快速移動(dòng)導(dǎo)致分類器更新過(guò)程中有錯(cuò)誤引入時(shí),其自訓(xùn)練機(jī)制會(huì)造成分類器錯(cuò)誤累積進(jìn)而產(chǎn)生跟蹤漂移甚至導(dǎo)致跟蹤失敗的問(wèn)題,提出了一種基于結(jié)合正負(fù)樣本約束的在線半監(jiān)督boosting的目標(biāo)跟蹤算法(簡(jiǎn)稱PN-SemiT)。該算法在原有的在線半監(jiān)督boosting跟蹤算法的基礎(chǔ)上,通過(guò)增加正負(fù)樣本約束條件來(lái)實(shí)時(shí)糾正分類器的錯(cuò)誤,并且將目標(biāo)的先驗(yàn)?zāi)Ｐ秃驮诰�分類器相結(jié)合,通過(guò)不斷迭代更新分類器來(lái)預(yù)測(cè)未標(biāo)記樣本的類別標(biāo)記和權(quán)重。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的在線半監(jiān)督boosting目標(biāo)跟蹤算法和其他跟蹤算法相比,PN-SemiT具有更優(yōu)異的跟蹤性能,能夠在復(fù)雜的跟蹤環(huán)境下有效緩解目標(biāo)跟蹤漂移問(wèn)題。
[Abstract]:In the existing target tracking algorithm based on online semi-supervised boosting, when the occlusion or fast movement of the target leads to the introduction of errors in the process of classifier updating, The self-training mechanism will cause the classifier error accumulation and lead to the tracking drift and even lead to the tracking failure. This paper proposes an online semi-supervised target tracking algorithm (PN-SemiT) based on the combination of positive and negative sample constraints. On the basis of the original on-line semi-supervised boosting tracking algorithm, this algorithm can correct the error of classifier in real time by adding positive and negative sample constraints, and combines the prior model of the target with the online classifier. The class markers and weights of unlabeled samples are predicted by iterative updating classifiers. Experimental results show that PN-SemiT has better tracking performance than traditional on-line semi-supervised boosting and other tracking algorithms, and can effectively alleviate the drift problem in complex tracking environment.
【作者單位】： 中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所;中國(guó)科學(xué)院大學(xué);
【基金】：中國(guó)科學(xué)院國(guó)防科技創(chuàng)新重點(diǎn)基金(No.CXJJ-14-Z65)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 涂承勝;刁力力;魯明羽;陸玉昌;;Boosting家族Boost-by-majority系列代表算法[J];計(jì)算機(jī)科學(xué);2003年04期

2 朱文球,羅三定;基于級(jí)聯(lián)式Boosting方法的人臉檢測(cè)[J];計(jì)算機(jī)應(yīng)用;2005年09期

3 唐軼;;多分類Boosting算法的一致性[J];計(jì)算機(jī)工程與應(yīng)用;2006年18期

4 董樂(lè)紅;耿國(guó)華;高原;;Boosting算法綜述[J];計(jì)算機(jī)應(yīng)用與軟件;2006年08期

5 章樺;;多示例人臉的Boosting檢測(cè)[J];軟件導(dǎo)刊;2008年05期

6 ;Boosting Farm Produce Supply[J];Beijing Review;2008年02期

7 陳愛斌,夏利民,趙桂敏;基于Boosting方法的人臉檢測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2004年03期

8 ;Boosting the partial least square algorithm for regression modelling[J];Journal of Control Theory and Applications;2006年03期

9 ;A BOOSTING APPROACH FOR INTRUSION DETECTION[J];Journal of Electronics(China);2007年03期

10 湯北齊;;Boosting算法在回歸問(wèn)題計(jì)算的應(yīng)用[J];湖北工業(yè)大學(xué)學(xué)報(bào);2009年01期

相關(guān)會(huì)議論文 前10條

1 翟素蘭;羅斌;郭玉堂;;雙向Boosting模糊聚類集成[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

2 ;Boosting MBR Based kNN Search Over Multimedia Data by Approximate Pruning Metric[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

3 ;A Target Recognition and Segmentation Method Based On Boosting and PDE[A];第24屆中國(guó)控制與決策會(huì)議論文集[C];2012年

4 李訓(xùn)青;黃磊;劉迎建;;基于Boosting集成的SMO增強(qiáng)型分類器設(shè)計(jì)[A];第八屆全國(guó)漢字識(shí)別學(xué)術(shù)會(huì)議論文集[C];2002年

5 房一飛;張冬茉;;基于boosting的文本分類在股市領(lǐng)域信息抽取系統(tǒng)中的應(yīng)用[A];輝煌二十年——中國(guó)中文信息學(xué)會(huì)二十周年學(xué)術(shù)會(huì)議論文集[C];2001年

6 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會(huì)第三屆年會(huì)論文集（上卷）[C];1995年

7 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國(guó)過(guò)程控制會(huì)議論文集[C];2009年

8 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

9 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

10 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)C卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 張雷;復(fù)雜場(chǎng)景下實(shí)時(shí)目標(biāo)跟蹤算法及實(shí)現(xiàn)技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

2 王晶晶;復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 田浩;基于核函數(shù)的目標(biāo)跟蹤算法研究[D];長(zhǎng)安大學(xué);2016年

4 項(xiàng)俊;基于檢測(cè)的數(shù)據(jù)關(guān)聯(lián)多目標(biāo)跟蹤算法研究[D];華中科技大學(xué);2016年

5 盧建國(guó);基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

6 馮巍;分布式多視角目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2011年

7 王書朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

8 劉晴;基于區(qū)域特征的目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2014年

9 邱雪娜;基于視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法及其在移動(dòng)機(jī)器人中的應(yīng)用[D];華東理工大學(xué);2011年

10 趙運(yùn)基;基于視覺的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 賈璋衡;基于隨機(jī)森林和boosting思想的推薦算法的研究[D];廣西師范大學(xué);2015年

2 翟璐;一種基于Boosting算法的新模型在銀行信用評(píng)級(jí)中的應(yīng)用[D];北京交通大學(xué);2016年

3 甘志鵬;基于非負(fù)編碼Boosting的目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

4 曾慶尚;基于Boosting策略的啟動(dòng)子預(yù)測(cè)方法研究[D];煙臺(tái)大學(xué);2009年

5 姚睿;基于代價(jià)敏感Boosting算法的醫(yī)學(xué)影像分析方法研究[D];上海交通大學(xué);2011年

6 沈丁成;基于在線Boosting算法的目標(biāo)跟蹤研究[D];天津理工大學(xué);2013年

7 杜曉旭;基于Boosting算法的人臉識(shí)別方法研究[D];浙江大學(xué);2006年

8 楊德剛;基于Boosting算法的頭部、臉部、眼睛和嘴檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

9 裴玉紅;目標(biāo)跟蹤中在線boosting學(xué)習(xí)算法的研究[D];北京理工大學(xué);2010年

10 臧偉;Boosting算法在遠(yuǎn)程教育分析和圖像分類中的應(yīng)用研究[D];清華大學(xué);2004年

，

本文編號(hào)：2122484