当前位置: 首页 » 资料 » 健康论文 » 基于AdaBoost算法的实时目标跟踪

基于AdaBoost算法的实时目标跟踪

放大字体  缩小字体 更新日期:2018-05-07  浏览次数:0
摘 要:传统的AdaBoost算法无法有效处理目标的外观变化,并且会因背景杂波的存在而造成分类性能下降。本文提出了一种新的在线AdaBoost特征选择算法进行跟踪,在传统的AdaBoost算法基础上引入了分类器,并同时使用了类Haar小波、方向直方
  • 【题 名】基于AdaBoost算法的实时目标跟踪
  • 【作 者】杨文倩
  • 【机 构】中国人民公安大学警务信息工程学院
  • 【刊 名】《中国安防》2014年 第5期 83-87页 共5页
  • 【关键词】AdaBoost 特征选择 分类器 在线跟踪
  • 【文 摘】传统的AdaBoost算法无法有效处理目标的外观变化,并且会因背景杂波的存在而造成分类性能下降。本文提出了一种新的在线AdaBoost特征选择算法进行跟踪,在传统的AdaBoost算法基础上引入了分类器,并同时使用了类Haar小波、方向直方图和局部二值模式三种可计算的特征。首先,通过对当前目标区域分类器进行置信度估计,选出置信度最大的位置;其次,通过三种可计算特征之间的交替使用来保证跟踪的目标始终处在置信度最大的位置。因此,这种算法可以根据背景选择最有识别力的特征来跟踪达到稳定的跟踪效果,本文通过实验验证了该算法在复杂环境中跟踪的适应性和鲁棒性。
 
本文导航:
  • (1) AdaBoost,特征选择,分类器,在线跟踪
  • 下一篇:鳖甲
  • 上一篇:暂无
 
[ 资料搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 

 
推荐图文
推荐资料
热门关注