基于主动特征选择的在线加权多实例目标跟踪

为了解决自适应运动目标跟踪中常见的漂移现象,提出一种基于主动特征选择(AFS)的在线权重多实例运动目标跟踪算法,在原有多实例学习的框架中引入一种新的包概率模型——加权和模型,然后使用主动特征选取法来提取更高效的特征,以降低建立分类器模型的不确定性,并通过优化Fisher信息判别准则进行在线boosting特征选取。实验结果表明,该方法鲁棒性较好,可以有效解决漂移问题,并能实时地完成在线跟踪。在此研究基础上将考虑更有效的光照不变特征。