论文部分内容阅读
跟踪多个运动物体，尤其是在遮挡过程中跟踪多个运动物体，是计算机视觉领域一个重要但具有挑战性的问题．该文提出了一种新的在线采样、更新学习和分类的跟踪框架来处理多物体跟踪问题、首先，对遮挡发生前若干帧的各物体进行块采样，作为训练样本进行在线分类器设计．各帧的物体区域也在线进行块采样，并用这些分类器来进行分类标号．如果遮挡没有发生，一些新的训练样本被添加用来更新分类器．当遮挡发生时，根据标号结果，前景区域被分割成多个目标物体．和以往方法相比，新方法不依赖于一些假设条件，如场景深度信息、物体的先验模型（比如形状、