%0 Journal Article
%T 基于改进在线多示例学习算法的机器人目标跟踪
%A 王丽佳
%A 贾松敏
%A 李秀智
%A 王爽
%J 自动化学报
%P 2916-2925
%D 2014
%R 10.3724/SP.J.1004.2014.02916
%X ？提出基于改进的在线多示例学习算法(Improvedmultipleinstancelearning,IMIL)的移动机器人目标跟踪方法.该方法利用射频识别系统(Radiofrequencyidentification,RFID)粗定位IMIL算法的搜索区域,然后应用IMIL算法实现目标跟踪.该方法保证了机器人跟踪系统的连续性,解决了目标突然转弯时的跟踪问题.IMIL算法采用从低维空间提取的压缩特征描述包中示例,以降低算法耗时.通过最大化弱分类器与极大似然概率的内积,选择判别能力强的弱分类器,避免了弱分类器选择过程中多次计算包概率和示例概率,进一步提高算法的实时处理能力.计算包概率时该算法平等对待各示例,保证概率高的示例对包概率的贡献度,克服跟踪漂移问题.跟踪过程中,结合当前跟踪结果与目标模板间的相似性分数在线实时调整分类器,提高了算法的自适应能力.最后将本文方法在视频和移动机器人上进行实验.实验结果表明,该方法在目标运动突变及外观改变时具有较强的鲁棒性和准确性,并满足系统的实时性要求.
%K 改进的在线多示例学习
%K 目标跟踪
%K 射频识别系统
%K 压缩特征
%U http://www.aas.net.cn/CN/abstract/abstract18569.shtml