第3 6卷第 4期 2 0 1 4年 4月
电
子
与
信
息
学
报
Vl 0 1 . 3 6 NO . 4
J o u r n a l o f El e c t r o n i c s& I nf o r ma t i o n Te c h n o l o g y
Ap r . 2 0 1 4
基于在线半监督 b o o s t i n g的协同训练目标跟踪算法 陈 思苏松志李绍滋 吕艳萍曹冬林 (厦门大学信息科学与技术学院厦门 3 6 1 0 0 5 )
(福建省仿脑智能系统重点实验室(厦门大学)厦门 3 6 1 0 0 5 ) 摘要:基于自训练的判别式目标跟踪算法使用分类器的预测结果更新分类器自身,容易累积分类错误,从而导致
漂移问题。为了克服自训练跟踪算法的不足,该文提出一种基于在线半监督 b o o s t i n g的协同训练目标跟踪算法f简称 Co - S e mi B o o s t 1,其采用一种新的在线协同训练框架,利用未标记样本协同训练两个特征视图中的分类器,同时结合先验模型和在线分类器迭代预测未标记样本的类标记和权重。该算法能够有效提高分类器的判别能力,鲁棒地处理遮挡、光照变化等问题,从而较好地适应目标外观的变化。在若干个视频序列的实验结果表明,该算法具有良 好的跟踪性能。 关键词:目标跟踪;在线学习;半监督学习;协同训练
中图分类号: T P 3 9 1 D O I: 1 0 . 3 7 2 4/ S P . J . 1 1 4 6 . 2 0 1 3 . 0 0 8 2 6
文献标识码: A
文章编号: 1 0 0 9— 5 8 9 6 ( 2 0 1 4 ) 0 4— 0 8 8 8— 0 8
A No v e l C o— t r a i n i n g Ob j e e t T r a c k i n g Al g o r i t h m Ba s e d o n On l i n e S e ml - s u pe r v i s e d Bo o s t i n g Ch e n S i S u S o n g - z h i Li S h a o - z i L i i Ya n - p i n g Ca o Do n g - l i n
( S c h o o l D,I n f o r ma t i o n S c i e n c e a n d T e c h n o l o g y, Xi a me n U n i v e r s i t y, Xi a me n 3 6 1 0 0 5, C h i n a )
( F u j i a n Ke y L a b o
r a t o r y o f t h e B r a i n— l i k e I n t e l l i g e n t S y s t e ms ( X i a m e n U n i v e r s i t y ), X i a m e n 3 6 1 0 0 5, C h i n a ) Ab s t r a c t:Th e s e l f - t r a i n i n g b a s e d d i s c r i mi n a t i v e t r a c k i n g me t h o ds u s e t h e c l ss a i ic f a t i o n r e s u l t s t o u p da t e t h e c l a s s i i f e r i t s e l f . Ho we v e r,t h e s e me t h o d s e a s i l y s u f f e r ro f m t h e d r i vi n g i s s u e b e c a u s e t h e c l ss a i ic f a t i o n e r r o r s a r e cc a u mu l a t e d d u r i n g t r a c k i n g .To o v e r c o me t h e d i s a d v a n t a g e s o f s e l f - t r a i n i n g b se a d t r ck a i n g me t h o d s,a n o v e l c o - t r a i n i n g t r ck a i n g a l g o r i t h m, t e r me d Co— S e mi Bo o s t, i s p r o p o s e d b a s e d o n o n l i n e s e mi - s u p e r v i s e d b o o s t i n g . Th e p r o p o s e d a l g o r i t h m e mp l o y s a n e w o n l i n e c o - t r a i n i n g f ra me wo r k, wh e r e u n l a b e l e d s a mp l e s a r e u s e d t o c o l l a b o r a t i v e l y t r a i n t h e c l ss a i i f e r s r e s p e c t i v e l y b u i l t o n t wo f e a t u r e v i e ws . Mo r e o v e r, t h e p s e u d o - l a b e l s a n d we i g h t s
o f u n l a b e l e d s a mp l e s a r e i t
e r a t i v e l y p r e d i c t e d b y c o mb i n i n g t h e d e c i s i o n s o f a p r i o r mo d e l a n d a n o n l i n e c l a s s i i f e r . Th e p r o p o s e d a l g o r i t h m c a n e f f e c t i v e l y i mp r o v e t h e d i s c r i mi n a t i v e a b i l i t y o f t h e c l a s s i i f e r,a n d i s r o b u s t t o
o c c l u s i o n s,i l l u mi n a t i o n c h a n g e s,e t c .T h u s t h e a l g o r i t h m c a n b e t t e r a d a p t t o o b j e c t a p p e a r a n c e c h a n g e s . Ex p e r i me n t a l r e s u l t s o n s e v e r a l c h a l l e n g i n g v i d e o s e q u e n c e s s h o w t h a t t h e p r o po s e d a l g o r i t h m ch a i e v e s p r o mi s i n g t r a c k i n g p e r f o r ma n c e .
Ke y w o r d s: O b j e c t t r a c k i n g; On l i n e l e a r n i n g; S e mi— s u p e r v i s e d l e a r n i n g; Co - t r a i n i n g
1 引言 目标跟踪是人工智能和计算机视觉的重要研究课题[ 1】 0然而,由于受到场景中各种复杂因素的影响,
算法[ 6 - 1 2]。判别式目标跟踪算法[ 6 - 1 2 1将跟踪视为目
标和背景的 2类分类问题,受到学者的广泛关注。 现有的大多数判别式目标跟踪算法[ 6 - 8],例如在线 b o o s t i n g[ 6, 7】和在线半监督 b o o s t i n g算法[ 8 l,利用分类器的预测结果更新分类器自身,即称为白训练
如光照、旋转、移动和遮挡等,目标跟踪已成为一项极具挑战的任务【 2】 0目前研究者已经提出诸多目标跟踪算法[ 3 - 1 2】,大致分为生成式算
法[ 3 - 5】和判别式
f s e l f - t r a i n i n g )[ 1 3, 1 4]。此类方法对类别噪声比较敏感, 容易累积分类错误。 为了克服自训练目标跟踪算法的不足,本文提
2 0 1 3 - 0 6— 0 7收到,2 0 1 3— 0 9— 0 3改回
国家自然科学基金 ( 6 1 2 0 1 3 5 9,6 1 2 0 2 1 4 3 ),福建省自然科学基金 ( 2 0 1 1 J 0 1 3 6 7,2 0 1 2 J 0 5 1 2 6 )和高等学校博士学科点专项科研基金
出一种基于在线半监督 b o o s t i n g的协同训练目标跟 踪算法 f C o - t r a i n i n g b a s e d o n o n l i n e S e mi—
( 2 0 0 9 0 1 2 1 1 1 0 0 3 2 )资助课题 通信作者:李绍滋 s z l i g@x mu . e d u . c a
s u p e r v i s e d B o o s t i n g,简称 Co— S e mi B o o s t )。本文的
半监督学习中的协同训练算法_IT/计算机_专业资料。讲述了半监督学习中的协同训练...基于在线半监督boosting... 暂无评价 8页 3.00 基于图的半监督学习算法....
基于高效多示例学习的目标跟踪_教育学/心理学_人文社科...视图半监督学 习算法, 与传统的半监督学习算法相比...1. 1 样本集 MIL 算法实质上是一种 Boosting ...
改进的基于在线Boosting的目标跟踪方法 隐藏>> Julo...现 阶段 的 目标跟踪算法 能够在简单 的场景 中...形成协同训练的效果 , 因此 干扰 物的增加 只会暂...
基于图的半监督协同训练算法_专业资料。针对协同训练算法对无标记数据挑选效率较低...基于在线半监督boosting... 1人阅读 8页 3.00 基于图收缩的半监督聚类....
本文主要讨论了一些 在半监督学习中具有协同训练风范的算法:Co-Training,Tri-Training,CoForest 和 CoTrade。 关键词: 半监督;协同训练;分类;标记;未标记;算法 ...
基于粒子滤波的on_lineboosting目标跟踪算法_马先兵_...然后通过在线训练正负样本 更新弱分类器 ,并选出最...而最终容易导致跟踪丢失 , 半监督的 HBT[14 ] ...
目 前, 国内外研究中关于半监督分类学习算法主要包括: 、 基于自学习和协同训练的 、 直推式支持向量机的方 、 密度变化的方法[21 ][19 ] 和基于图的方法 ...
基于多类在线Boosting的图像识别算法_自然科学_专业资料...即假设一次可以得到所有的训练样本 ,通 过对这些...用到如在线检测 、 在线跟踪 、 多类在线识别等...
目标跟踪中目标模型更新问题的半监督学习算法研究_高文_教育学/心理学_人文社科...集合重新训练分类器, 如此反复以提高 初始分类器的性能, 同时采用基于最近邻约束...
单目标跟踪算法的研究与分析_信息与通信_工程科技_专业...Grabner 和 Bischof 提出了基于在线 Boosting 学习的...Liu 等人[20]将协同训练(co-training)[21] 引入 ...
基于新的训练数据可以构建一个有效的分类器。实验结果证明了算法的优势。 关键词 数据流分类;显著变化;类标数据;半监督学习;基于 Na?ve Bayes 的 EM 算法。 中...
我要评论