本文探讨如何使用在线多实例学习（MIL）解决目标跟踪中的漂移问题，特别是在仅提供第一帧目标位置的情况下。文章介绍了MIL方法，通过将样本集分为带标签的bag，至少包含一个正样本的bag被标记为正，以提高灵活性。此外，还讨论了如何结合运动模型和外观模型，以及如何处理形变、旋转和光照变化等挑战。文章提出了一个基于MIL的在线跟踪算法，该算法通过不断更新样本和分类器来优化目标定位。
文章：Robust object tracking with on-line multiple instance learning
Boris Babenko, Student Member, IEEE, Ming-Hsuan Yang, Senior Member, IEEE and Serge Belongie, Member, IEEE ；PAMI ，2011.
文章开头就说的明了：本文的tracking只给定了第一帧目标的位置，没有其余的信息了（上一篇论文是拿了前10帧的图片来训练的）。本文解决的问题同样是on-line tracking出现的漂移的问题（Slight inaccuracies in the tracker can therefore lead to incorrectly labeled sample）。使用的方法是：MIL。特点是：调节的参数少。（BTW：其中提到了一个叫做bootstrap的概念，通俗的将就是对已有的观测样本反复的有放回抽样，通过多次计算这些放回抽样的结果，获取统计量的分布。）
接下来，文章介绍了跟踪中当前存在的主要挑战: 1、形变所产生的巨烈的表观的变化；2、平面外的旋转；3、场景光照度的变化。 同时，介绍了典型的跟踪系统的三个组成部分：1、appearance model，估计跟踪目标在特定位置的可能性； 2、 motion model ，同跟踪物体随时间改变的位置有关；3、a search strategy for finding，找到当前帧中目标最有可能的位置。本
最低0.47元/天 解锁文章
1043
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
