论文部分内容阅读
针对粒子滤波跟踪丢失目标后较难恢复的问题,提出一种基于粒子滤波和在线学习的目标跟踪方法。使用粒子滤波有效的跟踪结果作为正训练样本不断更新样本库,将随机蕨作为分类器检测目标位置,当分类器和粒子滤波的检测结果存在较大差异时,重新初始化粒子滤波器。在线学习采用二维二值特征,具有计算简单、尺度不变和光照不变的特点。实验结果证明,该方法的跟踪结果优于传统的粒子滤波,能够准确地跟踪到被遮挡和消失再出现的目标。