光電所在目標(biāo)跟蹤研究中取得新進(jìn)展

作者: 2016年05月25日 來源:互聯(lián)網(wǎng) 瀏覽量:
字號:T | T
中國科學(xué)院光電技術(shù)研究所在目標(biāo)跟蹤研究中取得新進(jìn)展:在多實(shí)例在線學(xué)習(xí)目標(biāo)跟蹤的基礎(chǔ)上,采用新的分類器更新策略提高了跟蹤算法的效率;采用動(dòng)態(tài)的學(xué)習(xí)率和動(dòng)態(tài)更新采樣半徑和搜索半徑,提高了算法的穩(wěn)定性和準(zhǔn)確

  中國科學(xué)院光電技術(shù)研究所在目標(biāo)跟蹤研究中取得新進(jìn)展:在多實(shí)例在線學(xué)習(xí)目標(biāo)跟蹤的基礎(chǔ)上,采用新的分類器更新策略提高了跟蹤算法的效率;采用動(dòng)態(tài)的學(xué)習(xí)率和動(dòng)態(tài)更新采樣半徑和搜索半徑,提高了算法的穩(wěn)定性和準(zhǔn)確性。該成果論文被AOMATT2016錄用。

  傳統(tǒng)的目標(biāo)跟蹤算法,由于模板輕微的不準(zhǔn)確,導(dǎo)致目標(biāo)的漂移。多實(shí)例在線學(xué)習(xí)算法能夠很好地解決目標(biāo)漂移的問題,但該算法在強(qiáng)分類器的跟新策略復(fù)雜,且和分類器的跟新速度與外觀模型的變化不匹配,導(dǎo)致算法效率低且準(zhǔn)確性較差。該研究針對算法上述缺陷做出了相應(yīng)的改進(jìn):利用弱分類器對正、負(fù)樣本包的打分來評價(jià)弱分類器性能,從而篩選出K 個(gè)性能最優(yōu)的弱分類器,由此明顯地提高算法效率;利用模板與實(shí)際匹配程度采用動(dòng)態(tài)的學(xué)習(xí)率(匹配程度越低,要加速學(xué)習(xí),反之亦同)和變化的采樣半徑和搜索窗口。實(shí)驗(yàn)表明新方法在復(fù)雜場景下表現(xiàn)更穩(wěn)定和更高效。

全球化工設(shè)備網(wǎng)(http://m.bhmbl.cn )友情提醒,轉(zhuǎn)載請務(wù)必注明來源:全球化工設(shè)備網(wǎng)!違者必究.

標(biāo)簽:多實(shí)例在線學(xué)習(xí)算法

分享到:
免責(zé)聲明:1、本文系本網(wǎng)編輯轉(zhuǎn)載或者作者自行發(fā)布,本網(wǎng)發(fā)布文章的目的在于傳遞更多信息給訪問者,并不代表本網(wǎng)贊同其觀點(diǎn),同時(shí)本網(wǎng)亦不對文章內(nèi)容的真實(shí)性負(fù)責(zé)。
2、如涉及作品內(nèi)容、版權(quán)和其它問題,請?jiān)?0日內(nèi)與本網(wǎng)聯(lián)系,我們將在第一時(shí)間作出適當(dāng)處理!有關(guān)作品版權(quán)事宜請聯(lián)系:+86-571-88970062