论文研究-尺度自适应在线鲁棒目标跟踪.pdf

针对在线boosting跟踪算法在目标外观发生大幅度变化以及遮挡时易产生漂移导致目标丢失问题进行了研究，提出一种尺度自适应在线鲁棒目标跟踪算法。算法基于目标灰度或彩色直方图统计特征构建权重图像，通过对权重图像的矩特征分析，可以实现对目标尺度的自适应调整；同时该算法引入半监督学习策略，很好地解决了由于在线学习导致的跟踪失败问题。实验结果表明，该算法很好地解决了遮挡、目标外观和尺度变化时的鲁棒跟踪问题。与EM-shift、MIL和SPT三种算法相比，跟踪成功率以及鲁棒性均有所提高。