沈丁成
- 作品数：2 被引量：10H指数：1
- 供职机构：天津理工大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于在线Boosting算法的目标跟踪研究
- 目标跟踪算法研究是计算机视觉研究中的重点和难点问题之一。目标跟踪的结果将对目标的运动分析与行为识别起到关键作用，可广泛应用到智能监控，人机交互，交通运输管理，医学图像处理等领域。经过多年的研究，跟踪算法已经取得了很大的进...
- 沈丁成
- 关键词：目标跟踪计算机视觉
- 一种鲁棒的基于在线boosting目标跟踪算法研究被引量：9
- 2013年
- 在线boosting的优点在于将跟踪问题看做分类问题,并且根据目标的变化实时选择相应的目标特征来进行跟踪。但该方法存在的主要问题是由于遮挡等情形的存在,目标特征的每次变换可能引入少量错误,长时间执行后,错误的积累将导致跟踪位置的漂移。实验发现,在线boos-ting方法中选择器权重在全局中的传递导致了漂移的发生,而现实跟踪问题中遮挡时只影响局部区域,而不是全局区域。对于这个问题,本文提出了结合在线boosting和分块的方法来解决这个问题。此boosting算法中选择器权重的变化仅在本块中,而不是全局传递,从而避免了错误在全局的累积,进而避免了漂移问题的产生。本文的方法通过跟踪各种目标视频序列实验表明,即使对于严重遮挡也具有很强的鲁棒性,同时也能实时的跟踪目标,即每秒跟踪目标量超过10个。
- 沈丁成薛彦兵张桦徐光平高赞
- 关键词：分块遮挡
