首页> 中国专利> 基于极限学习机和boosting多核学习的目标跟踪方法

基于极限学习机和boosting多核学习的目标跟踪方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开了一种基于极限学习机和boosting多核学习的目标跟踪方法，其特征包括：1多次boosting迭代得到优秀的分类器，将每次boosting迭代中通过多核学习得到的弱分类器组合成强分类器，再用强分类器对特征进行分类。2为了进一步减少计算量和提升分类性能，不同于传统多核学习以支持向量机(SVM)为基分类器，而采用极限学习机作为基分类器，极限学习机结构简单，训练速度非常快，并且比SVM有更好的泛化能力。本发明能使多核分类器进行快速分类，从而使跟踪算法在复杂场景下也能保证跟踪的鲁棒性和实时性。

著录项

公开/公告号CN106296734B

专利类型发明专利
公开/公告日2018-08-28

原文格式PDF
申请/专利权人合肥工业大学;
展开▼

申请/专利号CN201610637804.1
发明设计人孙锐;张东东;王旭;高隽;
展开▼

申请日2016-08-05
分类号G06T7/246(20170101);G06K9/62(20060101);
代理机构34101 安徽省合肥新安专利代理有限责任公司;
代理人陆丽莉;何梅生
地址 230009 安徽省合肥市包河区屯溪路193号
入库时间 2022-08-23 10:15:51

法律信息

法律状态公告日

法律状态信息

法律状态
2018-08-28

授权

授权
2017-02-01

实质审查的生效 IPC(主分类):G06T7/20 申请日:20160805

实质审查的生效
2017-01-04

公开

公开

相似文献

专利
中文文献
外文文献

1. 基于极限学习机和boosting多核学习的目标跟踪方法 [P] . 中国专利： CN106296734B . 2018.08.28
2. 基于极限学习机的复杂背景下目标跟踪方法 [P] . 中国专利： CN104992453B . 2018.10.23
3. METHOD FOR RECOGNIZING AND TRACING VEHICLE IN REAL TIME BY USING KALMAN FILTER AND CLUSTERING ALGORITHM BASED ON HAAR-LIKE FEATURE AND ADABOOST [P] . 韩国专利： KR20150002038A . 2015-01-07

机译：基于哈尔特征和ADABOOST算法的卡尔曼滤波和聚类算法的车辆实时识别与跟踪方法
4. METHOD AND SYSTEM FOR PREDICTING BUILDING ENERGY CONSUMPTION BASED ON HOLT-WINTERS AND EXTREME LEARNING MACHINE [P] . US2021398048A1 . 2021-12-23

机译：基于Holt-Winters和极限学习机预测建筑能耗的方法和系统
5. Design Method of the Terrain Referenced Navigation using Terrain Elevation Regression Model based Extreme Learning Machine and Computer readable storage medium having the same [P] . 韩国专利： KR102058686B1 . 2019-12-23

机译：基于地形海拔回归模型的极限学习机地形参考导航的设计方法及具有该方法的计算机可读存储介质