国家高技术研究发展计划(84861)
- 作品数：3 被引量：4H指数：1
- 相关作者：戴渊明林亦宁韦巍更多>>
- 相关机构：浙江大学更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 半监督Hough Forest跟踪算法
- 2013年
- 针对基于检测的目标跟踪算子存在着目标表观描述的准确性和对跟踪过程的目标表观变化的适应性之间的矛盾,提出一种较为柔性的半监督学习方法:以Hough Forests为基本学习框架,用离线学习的分类器作为先验跟踪算子,并引入基于跟踪过程中用检测得到的object-specific信息和空间一致性信息的随机标签分布,用来生成半监督学习所需要的在线数据样本,对跟踪算子进行修正;分类器的检测和跟踪环节与在线的Hough Forests分类器应用环节类似,但采用了类似粒子滤波的随机采样方式对检测和更新环节进行加速;用匀速运动模型对目标运动进行建模,使跟踪过程中的目标位置预测更加准确.算法在标准跟踪数据集合i-Lids和TUD-campus上与当前流行的目标跟踪算法在线Boosting算法、MILB和Hough Forests跟踪算法进行了比较实验.实验证明:监督Hough Forests分类器提供了解决分类器对目标表观表述的准确性和自适应性矛盾的一种有效机制;整个跟踪算法能够使目标跟踪过程更加快速、鲁棒与准确.
- 林亦宁韦巍戴渊明
- 关键词：HOUGHFORESTS半监督学习随机采样
- 基于多核Boosting方法的通用目标分类和识别被引量：3
- 2011年
- 针对传统基于SVM分类器的多核学习方法优化参数多、优化过程复杂、计算量大的缺点,本文提出基于Real Adaboost的多核学习方法解决通用目标分类与识别问题。该方法根据核函数能将高维特征映射到低维空间的特性,采用核函数空间上的线性平面分割构建弱分类器,并用Real Adaboost学习框架对弱分类器进行学习。先用分层特征算子PHOG和PHOW分别提取图像不同尺度的形状和表观信息,并用核函数计算特征距离,然后在核空间上构建线性弱学习器池,最后用Real Adaboost算法学习得到强分类器。实验结果表明,该方法有效提高了图像分类的准确率。
- 林亦宁韦巍戴渊明
- 关键词：核函数多尺度特征ADABOOST
- 基于双层粒子滤波和半监督Hough Forests的多目标跟踪被引量：1
- 2012年
- 本文针对单目摄像头、复杂可变背景环境下的多目标跟踪问题,将tracking-by-detection方法与粒子滤波相结合,从不稳定的信息源中提取高置信度模型作为观测,在半监督学习框架中实现了动态视频场景中的多个目标跟踪,并设计了一个多目标的维护机制以应对遮挡、背景变化、目标进出场景等可能引起目标混淆的情况。实验证明,本文提出的算法能够稳定跟踪复杂场景中的多个目标,有效区分不同目标,对目标的遮挡、背景干扰等均有良好的处理效果。
- 林亦宁韦巍戴渊明
- 关键词：多目标跟踪FORESTS
