关闭

MIL boosting Online Tracking

1601人阅读 评论(1) 收藏 举报
分类:

Robust Object Tracking with Online Multimple Instance Learning

作者Boris Babenko,该算法算是tracking中比较牛的算法之一

http://vision.ucsd.edu/~bbabenko/project_miltrack.shtml该主页对算法有比较详细的介绍


看看论文题目就大概知道这是一个什么样的算法组合,MIL + boosting 

该算法能更加鲁棒性的更新模型表面特征,能够处理没有快速变化的遮挡


/******************************************************************************************************************************************/ 

                                                               MILtrack框架:

/******************************************************************************************************************************************/

input:第k个视频帧

1、根据前一帧的对象位置,在一个给点的范围r,从当前帧提取一组图片,计算该组图片的特征

2、使用我们训练好的boosting强分类器估计1中所有提取出的图片x,p(y=1|x)的值。(即该图片为正样本的概率)

                                   

3、从2中求得的所有p(y=1|x)中选取最大值,将该图片设为我们追踪位置tracker location,

 

4、从当前帧的tracker location 半径为r的范围类提取一组图片集作为我们的正样本集(MIL)

                             

     从当前帧的tracker location 半径为r到b的范围类随机提取一组图片集作为我们的负样本集

                           

5、用4中提取的正、负样本集更新强分类器


/*******************************************************************************************************************************************/  

                                                              Online MIL Boost (OMB) 强分类器更新部分

/*******************************************************************************************************************************************/

1、强分类器由k个弱分类器组成,算法总是维护一个候选弱分类器池,池中有M个弱分类器,M>k。

一个弱分类器是由一个哈尔特征和四个参数(u1,g1,u0,g0)组成,(注意:这里假设了harr feature服从正态分布)


其中y=0的情况类似,假设,然后可以利用贝叶斯公式可以计算上面弱分类器的值,每次进行到下一帧时,得到新的样例数据后进行弱分类器的参数更新,依照下列公式:


其中y为更新因子,取值范围为(0,1)



2、在线更新算法部分


 2.1、样例的可能性大小计算公式:


其中为sigmod 函数,H(x)为当前强分类器

2.2、样例块的可能性大小计算公式:


其中p(yi|xij)是表示单个样例的可能性大小,yi的取值和样例块值一致

2.3、弱分类器的选择更新极大化下列公式:


其中Hk-1是前k-1个弱分类器组成的强分类器,MIL算法中加入了loss function部分


算法更新部分流程图:



0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:23394次
    • 积分:407
    • 等级:
    • 排名:千里之外
    • 原创:15篇
    • 转载:6篇
    • 译文:0篇
    • 评论:12条
    博主描述
    本人CS研究生在读,研究方向为计算机视觉、视频及图像处理算法和ACM等,希望能和在奋斗中的你交个朋友,共同学习,共同进步!
    最新评论