科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文针对长期稳定的目标跟踪中的目标形变、尺度缩放、旋转等问题,提出一种步步为营的反馈式学习方法,该方法通过正、负约束实现对于目标模型和分类器的判别能力和容错能力提高的同时,使更新带来的误差尽量小,并证明了其收敛性.通过实验表明,对于同一种跟踪算法使用本文提出的目标更新方法进行更新学习的比不更新学习的跟踪效果要稳定得多,对于目标的尺度变化、形变、旋转、视角变化、模糊等都有较好的适应性,并通过与现有的较流行的方法进行比较,本文方法鲁棒性较好,有很高的研究和应用价值.
- 单位
本文针对长期稳定的目标跟踪中的目标形变、尺度缩放、旋转等问题,提出一种步步为营的反馈式学习方法,该方法通过正、负约束实现对于目标模型和分类器的判别能力和容错能力提高的同时,使更新带来的误差尽量小,并证明了其收敛性.通过实验表明,对于同一种跟踪算法使用本文提出的目标更新方法进行更新学习的比不更新学习的跟踪效果要稳定得多,对于目标的尺度变化、形变、旋转、视角变化、模糊等都有较好的适应性,并通过与现有的较流行的方法进行比较,本文方法鲁棒性较好,有很高的研究和应用价值.
