基于极限学习机和boosting多核学习的目标跟踪算法

发布时间：2018-03-28 22:36

  本文选题：目标跟踪　切入点：极限学习机　出处：《系统工程与电子技术》2017年09期

【摘要】：如何构造鲁棒的分类器一直是基于判别式的目标跟踪算法研究的热点,近些年多核学习通过线性组合多个核分类器达到了更好的分类性能,受到了广泛的关注。传统的多核学习需要解复杂的最优化问题,很难直接应用到目标跟踪中,因此提出一种基于boosting学习框架的多核学习算法,使目标跟踪在复杂场景下可以保持跟踪的实时性和准确性。为了进一步减少计算量和提升分类性能,采用极限学习机(extreme learning machine,ELM)作为基分类器,ELM结构简单,训练速度非常快,并且比支持向量机有更好的泛化能力。最后,将本文算法与其他先进的跟踪算法在多个公开视频序列中进行比较,验证了本文算法性能的有效性。
[Abstract]:How to construct robust classifiers has been a hot topic in target tracking algorithms based on discriminant. In recent years, multi-kernel learning has achieved better classification performance through linear combination of multiple kernel classifiers. Traditional multi-kernel learning needs to solve complex optimization problems, and it is difficult to be directly applied to target tracking. Therefore, a multi-core learning algorithm based on boosting learning framework is proposed. In order to further reduce the computation and improve the classification performance, the extreme learning learning machine (ELM) is used as the base classifier, which is simple in structure and very fast in training. And it has better generalization ability than support vector machine. Finally, compared with other advanced tracking algorithms in several open video sequences, the effectiveness of the proposed algorithm is verified.
【作者单位】： 合肥工业大学计算机与信息学院;
【基金】：国家自然科学基金(61471154) 安徽省科技攻关科技强警项目(1704d0802181)资助课题
【分类号】：TP181;TP391.41

【相似文献】

相关期刊论文 前10条

1 涂承胜;刁力力;鲁明羽;陆玉昌;;Boosting家族Boost-by-majority系列代表算法[J];计算机科学;2003年04期

2 朱文球,罗三定;基于级联式Boosting方法的人脸检测[J];计算机应用;2005年09期

3 唐轶;;多分类Boosting算法的一致性[J];计算机工程与应用;2006年18期

4 董乐红;耿国华;高原;;Boosting算法综述[J];计算机应用与软件;2006年08期

5 章桦;;多示例人脸的Boosting检测[J];软件导刊;2008年05期

6 ;Boosting Farm Produce Supply[J];Beijing Review;2008年02期

7 陈爱斌,夏利民,赵桂敏;基于Boosting方法的人脸检测[J];计算机工程与应用;2004年03期

8 ;Boosting the partial least square algorithm for regression modelling[J];Journal of Control Theory and Applications;2006年03期

9 ;A BOOSTING APPROACH FOR INTRUSION DETECTION[J];Journal of Electronics(China);2007年03期

10 汤北齐;;Boosting算法在回归问题计算的应用[J];湖北工业大学学报;2009年01期

相关会议论文 前6条

1 翟素兰;罗斌;郭玉堂;;双向Boosting模糊聚类集成[A];第二十六届中国控制会议论文集[C];2007年

2 ;Boosting MBR Based kNN Search Over Multimedia Data by Approximate Pruning Metric[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

3 ;A Target Recognition and Segmentation Method Based On Boosting and PDE[A];第24届中国控制与决策会议论文集[C];2012年

4 李训青;黄磊;刘迎建;;基于Boosting集成的SMO增强型分类器设计[A];第八届全国汉字识别学术会议论文集[C];2002年

5 房一飞;张冬茉;;基于boosting的文本分类在股市领域信息抽取系统中的应用[A];辉煌二十年——中国中文信息学会二十周年学术会议论文集[C];2001年

6 李月敏;陈杰;高文;尹宝才;;快速人脸检测技术综述[A];全国第16届计算机科学与技术应用（CACIS）学术会议论文集[C];2004年

相关硕士学位论文 前10条

1 贾璋衡;基于随机森林和boosting思想的推荐算法的研究[D];广西师范大学;2015年

2 翟璐;一种基于Boosting算法的新模型在银行信用评级中的应用[D];北京交通大学;2016年

3 甘志鹏;基于非负编码Boosting的目标跟踪算法研究[D];西安电子科技大学;2015年

4 曾庆尚;基于Boosting策略的启动子预测方法研究[D];烟台大学;2009年

5 姚睿;基于代价敏感Boosting算法的医学影像分析方法研究[D];上海交通大学;2011年

6 沈丁成;基于在线Boosting算法的目标跟踪研究[D];天津理工大学;2013年

7 杜晓旭;基于Boosting算法的人脸识别方法研究[D];浙江大学;2006年

8 杨德刚;基于Boosting算法的头部、脸部、眼睛和嘴检测技术研究[D];国防科学技术大学;2008年

9 裴玉红;目标跟踪中在线boosting学习算法的研究[D];北京理工大学;2010年

10 臧伟;Boosting算法在远程教育分析和图像分类中的应用研究[D];清华大学;2004年

，

本文编号：1678408