基于SURF特征的多示例學(xué)習(xí)的目標(biāo)跟蹤算法.pdf

1、視頻目標(biāo)跟蹤是機(jī)器視覺(jué)與人工智能的一個(gè)重要研究方向，具有很強(qiáng)的實(shí)用價(jià)值以及十分重要的理論研究意義。因此很多學(xué)者和專家都在研究如何更好地解決照明變化、形狀變化、外觀變化和遮擋對(duì)目標(biāo)跟蹤的影響。為提高跟蹤的魯棒性，跟蹤的方法和思想一直在跟進(jìn)。本文提出一種基于SURF特征和MIL的目標(biāo)跟蹤算法。
　　首先提取感興趣目標(biāo)及其周圍圖像的SURF特征；然后將SURF描述子引入到MIL中作為正負(fù)包中的示例；其次將提取到的所有SURF特征采用聚類

2、算法實(shí)現(xiàn)聚類，建立視覺(jué)詞匯表；再次，通過(guò)計(jì)算視覺(jué)字在多示例包的重要程度，建立“詞-文檔”矩陣，并且求出包的潛在語(yǔ)義特征；最后，通過(guò)包的潛在語(yǔ)義特征訓(xùn)練支持向量機(jī)，使得MIL問(wèn)題可以依照有監(jiān)督學(xué)習(xí)問(wèn)題進(jìn)行解決，進(jìn)而判斷是否為感興趣目標(biāo)，最終實(shí)現(xiàn)視覺(jué)跟蹤的目的。通過(guò)實(shí)驗(yàn)，明確了此算法對(duì)于目標(biāo)的尺度縮放以及短時(shí)局部遮擋的情況都有一定的魯棒性。
　　綜上所述，本文將局部特征SURF和多示例學(xué)習(xí)相結(jié)合運(yùn)用到目標(biāo)跟蹤中，所提出的方法能夠有效地