基于增量型非对称boosting的目标跟踪算法

摘要

针对训练分类器时样本非平衡问题,提出一种样本分布权值可调整的boosting算法用于目标跟踪.设置弱分类器池,从分类器池中选取弱分类器以线性方式构造强分类器,对每帧视频中所采集一组目标图像区域样本进行目标似然度估计,以具有最大似然度的目标图像样本作为当前目标物所在的区域.然后,在目标物周围采集背景图像样本,对分类器池中的弱分类器进行在线训练,并根据目标图像和背景图像训练样本的数量比例调整样本分布权值,以此提高分类器判别能力.最后实验证明了基于非对称boosting算法适用于目标跟踪的应用.