基于加速鲁棒特征和多示例学习的目标跟踪算法

摘要 针对照明变化、形状变化、外观变化和遮挡对目标跟踪的影响，提出一种基于加速鲁棒特征（SURF）和多示例学习（MIL）的目标跟踪算法。首先，提取目标及其周围图像的SURF特征；然后，将SURF描述子引入到MIL中作为正负包中的示例；其次，将提取到的所有SURF特征采用聚类算法实现聚类，建立视觉词汇表；再次，通过计算视觉字在多示例包的重要程度，建立“词-文档”矩阵，并且求出包的潜在语义特征通过潜在语义分析（LSA）；最后，通过包的潜在语义特征训练支持向量机（SVM），使得MIL问题可以依照有监督学习问题进行解决，进而判断是否为感兴趣目标，最终实现视觉跟踪的目的。通过实验，明确了所提算法对于目标的尺度缩放以及短时局部遮挡的情况都有一定的鲁棒性