基于在线半监督boosting的协同训练目标跟踪算法

基于自训练的判别式目标跟踪算法使用分类器的预测结果更新分类器自身，容易累积分类错误，从而导致漂移问题。为了克服自训练跟踪算法的不足，该文提出一种基于在线半监督boosting的协同训练目标跟踪算法（简称Co-SemiBoost），其采用一种新的在线协同训练框架，利用未标记样本协同训练两个特征视图中的分类器，同时结合先验模型和在线分类器迭代预测未标记样本的类标记和权重。该算法能够有效提高分类器的判别能力，鲁棒地处理遮挡、光照变化等问题，从而较好地适应目标外观的变化。在若干个视频序列的实验结果表明，该算法具有良好的跟踪性能。