创新点:
1.提出了追踪区域的可信度指标,可信度高的区域作为训练样本。
2.基于小波变换和最大相关性-最小冗余度方法,进行特征选取。
3.采用机器学习方法,可信度高的区域作为样本进行训练,生成的分类器对前景进行预测(可迭代预测,跨越gap)。
4.预测的结果再次采用传统算法追踪,提高准确度
优点:
1.全自动
2.不依赖于先验知识
缺点:
1.依赖现有算法的效果(如APP2、MOST)
2.耗时
创新点:
1.提出了追踪区域的可信度指标,可信度高的区域作为训练样本。
2.基于小波变换和最大相关性-最小冗余度方法,进行特征选取。
3.采用机器学习方法,可信度高的区域作为样本进行训练,生成的分类器对前景进行预测(可迭代预测,跨越gap)。
4.预测的结果再次采用传统算法追踪,提高准确度
优点:
1.全自动
2.不依赖于先验知识
缺点:
1.依赖现有算法的效果(如APP2、MOST)
2.耗时