基于压缩感知的在线多示例学习目标追踪
目标追踪是计算机视觉领域一个非常重要的研究课题.模板漂移使得实现快速可靠的目标追踪依然是一个非常艰巨的任务.近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题.然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度.为了解决这一问题,本文在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息.因此,提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪.通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性.
目标追踪 多示例学习 压缩感知 图像处理
韩亚颖 王元全
天津理工大学计算机与通信工程学院,天津,300384
国内会议
西安
中文
85-88
2013-08-03（万方平台首次上网日期，不代表论文的发表时间）