基于加权多实例学习的压缩感知目标跟踪

作     者：阳岳生 王冬丽 周彦 YANG Yuesheng;WANG Dongli;ZHOU Yan

作者机构：湘潭大学信息工程学院 

出 版 物：《光学技术》 (Optical Technique)

年 卷 期：2018年第44卷第5期

页      面：525-530页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61100140,61104210,61773330) 湖南省自然科学基金(2017JJ2253) 湖南省教育厅优秀青年项目(17B259) 

主　　题：加权多实例学习 目标跟踪 压缩感知 随机映射 鲁棒性 

摘      要：为了处理运动目标跟踪中的遮挡、光照变化以及背景杂乱等问题,提出了一种基于加权多实例学习的压缩感知目标跟踪方法。在提取图像块类Haar特征的基础上,采用随机投影方法对高维特征进行压缩,结合加权多实例学习策略,在boosting学习框架下训练分类器,根据分类器最大响应值得到跟踪目标图像块。使用矩形框手动标定第一帧图像的目标,对后续帧采样的正负实例的类哈尔特征进行压缩,通过这些样本特征训练分类器,得到跟踪结果。实验结果表明,所提算法具有较高的跟踪精度、实时性和鲁棒性,对所选的四个具有挑战性的视频序列,跟踪成功率都能超过89%,帧率也超过26f/s。