一种多特征选择的自适应跟踪

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (20): 167-170.

• 图形、图像、模式识别 • 上一篇下一篇

一种多特征选择的自适应跟踪

吕斌，夏利民

中南大学信息科学与工程学院，长沙 410075

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-11 发布日期:2011-07-11

Adaptive tracking rely on multi-feature

LV Bin，XIA Limin

Department of Information Science and Engineering，Central South University，Changsha 410075，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-11 Published:2011-07-11

摘要/Abstract

摘要： 提出利用混合Boosting算法根据目标信息和背景信息选择特征，建立特征排序分类器，并在跟踪的过程中不断自适应更新。采用卡尔曼滤波对目标区域进行粗预测，然后利用排序分类器结合mean-shift算法完成目标的精确跟踪。实验结果表明，该算法可以根据不同的目标和背景信息，自适应地进行特征选择，对于场景中存在光照、干扰、遮挡等情况，依然可以对目标进行实时有效的跟踪。

关键词: 自适应特征选择, 混合Boost, 特征排序分类器, 跟踪

Abstract: An adaptive features selecting algorithm using HybridBoost is proposed.Feature ranking classifiers are constructed by utilizing background and object information，and update during the tracking time.Kalman filter is used to predict the motion area roughly，then the targets are tracked by utilizing ranking classifiers and mean-shift algorithm.The experiment result shows that the proposed tracking algorithm can select features adaptively for tracking according to different targets and background information.Even if there exists covering，clutter，appearance and illumination changed in the scene，targets still can track in real time effectively.

Key words: adaptive features selecting, HybridBoost, feature ranking classifier, tracking

吕斌，夏利民. 一种多特征选择的自适应跟踪[J]. 计算机工程与应用, 2011, 47(20): 167-170.

LV Bin，XIA Limin. Adaptive tracking rely on multi-feature[J]. Computer Engineering and Applications, 2011, 47(20): 167-170.

[1]	李超群，陈智罡，宋新霞，周云慧. 疫情环境下接触人跟踪系统的研究综述[J]. 计算机工程与应用, 2021, 57(9): 68-80.
[2]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[3]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[4]	牛通，卿粼波，许盛宇，苏婕. 基于深度学习的分层关联多行人跟踪[J]. 计算机工程与应用, 2021, 57(8): 96-102.
[5]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[6]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[7]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[8]	雍玖，王阳萍，党建武，雷晓妹. 改进TLD与ORB的AR系统长时跟踪注册方法[J]. 计算机工程与应用, 2021, 57(7): 178-184.
[9]	崔洲涓，安军社，陈长龙，崔天舒. 基于PYNQ框架的深度卷积特征异构跟踪系统[J]. 计算机工程与应用, 2021, 57(4): 120-126.
[10]	惠小健. 任意初态下的工业机器人迭代学习控制[J]. 计算机工程与应用, 2021, 57(3): 261-265.
[11]	邱守猛，谷宇章，袁泽强. 基于双分支孪生网络的目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 135-143.
[12]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[13]	丁冰，杨祖莨，丁洁，刘晋峰，闫国亮. 基于改进YOLOv3的高速公路隧道内停车检测方法[J]. 计算机工程与应用, 2021, 57(23): 234-239.
[14]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[15]	武哲纬，周世杰，刘启和. 运算资源受限环境下的目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(21): 24-40.

一种多特征选择的自适应跟踪

Adaptive tracking rely on multi-feature

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics