图像跟踪(一)MIL多实例在线学习算法

        最近看了一些图像跟踪的Paper,于是图像跟踪系列开更了。开篇介绍的是一种经典的图像跟踪算法MIL(多实例在线学习),提出于2009年,该算法将track-by-detection推向了新高潮。

        2006年以来,使用目标检测的方法来处理图像跟踪问题取得了良好的效果,这种方法处理图像跟踪问题相对于处理目标检测问题是有所不同的,处理目标检测问题要求使用的样本量很少,并且实时性要求较高,也就是需要在线学习,快速检测。MIL算法就是在目标周围选取正负样本,通过一种多实例在线学习的方法,训练弱分类器,并且选择合适的特征进行组合,形成强分类器。由于MILBoost的特点,该算法速度较快,并具备抗遮挡能力。

一、参考文献

track_introduction(5)

二、处理流程

track_introduction(6)

三、多实例在线学习

track_introduction(7)

track_introduction(8)

四、多实例在线学习使得算法具备一定的抗遮挡能力

track_introduction(9)

五、算法细节之分类器

track_introduction(10)

track_introduction(11)

六、算法细节之特征选择

track_introduction(12)

七、算法评价

track_introduction(13)

        上面是效果的评价,博主亲自测试了算法的速度。图片像素尺寸640*480,在i5-6600k(超频到4.24GHz),16G DDR4-2133,在如上条件下,未经过任何代码优化时,算法处理一帧的时间约为15ms,在经过简单的OpenMP优化时,MIL算法的速度接近5ms,这个速度是相当理想的。

发表评论