一种鲁棒的基于集成学习的核相关红外目标跟踪算法

来源：电子与信息学报杂志2018年第3期北京时间：

作者：谢涛, 吴恩斯

单位：1.(西南大学计算机与信息科学学院 重庆 400715) ②(重庆师范大学教务处 重庆 401331)

摘要：在红外目标跟踪中，由于目标所处的背景信息复杂多变和目标外观的显著变化，单一的分类器不足以拟合多模态的数据。该文结合核相关滤波器(KCF)将多个核相关分类器通过集成学习整合到一个框架中。利用KCF分类器具有解析解的特点平衡跟踪鲁棒性与实时性之间的矛盾，从而解决单个分类器无法处理复杂背景与显著的外观变化问题，并显著提升目标跟踪的性能与稳定性。为了验证算法的有效性，该文利用两个核相关跟踪器联合学习出1个强分类器。大量的定性定量实验表明所提的算法的跟踪性能超过传统的KCF算法，且跟踪速度也超过大多数比较算法。

关键词：目标跟踪, 集成学习, 判别式分类器, 核相关跟踪

基金资助：教育部-中国移动科研基金(MCM20160405)