融合粒子滤波和在线adaboost分类器的目标跟踪方法研究

摘要

传统的粒子滤波由于粒子数目有限,且模板会发生变化,模板更新时会出现漂移甚至导致跟踪失败。文章提出了融合粒子滤波和在线adaboost分类器的目标跟踪方法。将粒子滤波的跟踪结果作为正样本更新样本集,再通过样本集训练分类器检测到目标位置。然后将检测和跟踪中具有较高置信度的结果作为最终目标位置。实验证明,这种方式可以很好地解决目标重现和漂移问题。