基于加权多实例学习的压缩感知目标跟踪

您当前的位置：

首页 >

文章列表页 >

基于加权多实例学习的压缩感知目标跟踪

信息光学与图像处理 | 更新时间：2025-09-01

- 基于加权多实例学习的压缩感知目标跟踪
- Compressed sensing object tracking based on weighted multiple instance learning
- 光学技术 2018年44卷第5期页码：525-530
- 作者机构：
  
  1:湘潭大学信息工程学院
- 作者简介：
- 基金信息：
  
  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)
- DOI：10.13741/j.cnki.11-1879/o4.2018.05.003
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
阳岳生, 王冬丽, 周彦. 基于加权多实例学习的压缩感知目标跟踪[J]. 光学技术, 2018,44(5):525-530.

Compressed sensing object tracking based on weighted multiple instance learning[J]. 2018, 44(5): 525-530.
阳岳生, 王冬丽, 周彦. 基于加权多实例学习的压缩感知目标跟踪[J]. 光学技术, 2018,44(5):525-530. DOI： 10.13741/j.cnki.11-1879/o4.2018.05.003.

Compressed sensing object tracking based on weighted multiple instance learning[J]. 2018, 44(5): 525-530. DOI： 10.13741/j.cnki.11-1879/o4.2018.05.003.

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。

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于FPGA的运动目标实时检测跟踪算法及其实现技术

基于压缩感知耦合梯度下降的红外-可见光图像自适应融合算法

压缩感知光谱测量局部哈达玛矩阵的构造与性能

基于SIFT特征点的三维点云模型盲水印算法

基于阈值分割的并行压缩鬼成像方法