一种新的AdaBoost视频跟踪算法
针对复杂场景中运动目标较难定位的问题, 提出一种结合纹理和颜色特征的AdaBoost 目标跟踪算法. 首先在线训练一个弱分类器的集合区分目标和背景; 然后, 通过AdaBoost 将集合中的各弱分类器组合成一个强分类器,用于标定下一帧中各像素的类别属性, 并生成置信图; 最后, 在置信图中用Mean Shift 算法定位目标的中心. 实验结果表明, 该算法在光照变化、目标自身发生形变和遮挡的情况下, 能准确地对目标进行跟踪.
针对复杂场景中运动目标较难定位的问题, 提出一种结合纹理和颜色特征的AdaBoost 目标跟踪算法. 首先在线训练一个弱分类器的集合区分目标和背景; 然后, 通过AdaBoost 将集合中的各弱分类器组合成一个强分类器,用于标定下一帧中各像素的类别属性, 并生成置信图; 最后, 在置信图中用Mean Shift 算法定位目标的中心. 实验结果表明, 该算法在光照变化、目标自身发生形变和遮挡的情况下, 能准确地对目标进行跟踪.