Object tracking based on online multiple instance learning with feature weighted fusion

摘要

为了能更加准确鲁棒地跟踪目标,提出了特征加权融合的在线多示例学习跟踪算法(WfMIl)。WfMIl在多示例学习框架下分别训练两种特征(HOg和HAAr)分类器。在跟踪过程中,通过线性运算融合成一个强分类器,同时在学习过程中对正包中的示例引入权重。实验结果统计表明WfMIl能很好地解决目标漂移问题,并且对目标遮挡、运动突变、光照变化以及运动模糊等具有较好的鲁棒性。