基于粒子滤波和在线随机森林分类的目标跟踪

编号 zgly0000861696

文献类型 期刊论文

文献题名 基于粒子滤波和在线随机森林分类的目标跟踪

作者 陈姝  彭小宁 

作者单位 湘潭大学信息工程学院  湘潭大学智能计算与信息处理教育部重点实验室  中南大学信息科学与工程学院  怀化学院计算机科学与技术系 

母体文献 江苏大学学报;自然科学版 

年卷期 2014(2)

页码 207-213

年份 2014 

关键词 粒子滤波  随机森林  在线学习  运动跟踪  观测模型 

文摘内容 针对粒子滤波跟踪过程中不精确的状态模型或观测模型会降低跟踪精度的问题,提出一种基于粒子滤波与在线随机森林分类的目标跟踪算法框架.通过在线样本学习,随机森林中的样本集可以准确地近似目标外观的概率分布;在粒子滤波跟踪中,采用随机森林分类结果及区域直方图相似度来估计粒子相似度,从而提高了观测模型的精度.当出现跟踪漂移时,通过随机森林检测目标来重新初始化粒子滤波器,可以防止由于误差积累而造成的跟踪失败.采用vc 6.0+opencv实现了本算法,并设计两类试验分别来验证算法的跟踪精度和抗漂移能力。