一种基于协同训练和粒子滤波的在线跟踪算法

摘要

本文提出一种自适应的在线跟踪算法，通过协同训练和粒子滤波算法的相互补充实现鲁棒和高效的目标跟踪。在粒子滤波的框架中。本文采用半监督的协同训练算法构建两个目标分类器并进行在线更新和相互增强，从而提高粒子滤波器的目标判别能力和对因光照、姿态变化、摄像机抖动和部分遮挡造成表观特征变化的适应能力。同时，结合重要采样的粒子滤波算法利用物体运动的时空约束务件和目标潜在的分布信息进行目标采样，不仅提高了采样的效率和准确性，缩小了分类器的搜索范围，并且能为协同训练提供更加准确可靠的训练样本。在标准测试库上的实验结果验证了算法的有效性和鲁棒性.与基于滑动窗口的全局搜索技术相比，本文算法在不降低跟踪性能的基础上将处理速度提高了25～45倍。