基于多示例學習的機器人目標跟蹤技術研究.pdf

1、隨著人工智能技術的不斷發(fā)展與應用，如今它已上升到國家戰(zhàn)略層面的高度。機器人作為人工智能技術的集成者，在實際用途中正在受到更多研究人員的關注。而移動機器人的自主目標識別與跟蹤應用也是其智能化技術方面需要解決的一個核心問題。如何將改進的機器學習算法移植到移動機器人上，并且使其處理跟蹤時光線變化、遮擋和復雜背景等問題的方法更具有魯棒性，這是極富挑戰(zhàn)性的一項研究技術。該文在MT-R輪式移動機器人平臺上，通過改進的機器學習算法，實現(xiàn)了機器人的自主

2、目標跟蹤和對自身運動控制的功能，從而進一步實現(xiàn)輪式移動機器人的智能化應用。本文的主要研究內容可以概括成:
　　首先該文回顧了視覺目標跟蹤的研究現(xiàn)狀，列舉出了不同視覺目標跟蹤算法所采用的方法并分析了這些算法的缺點。著重說明并分析了基于多實例學習的跟蹤方法和結合協(xié)同訓練的算法。完成了對本文對采用方法理論基礎的鋪墊。同時也簡要討論了移動機器人在國內外的研究發(fā)展狀況。
　　然后重點介紹移動機器人內部目標跟蹤算法?；跈z測的目標跟蹤算

3、法通常依靠分類器來區(qū)分目標和背景來達到跟蹤的目的，在分類器進行學習的時候會對圖像分成樣本采樣和添加標簽兩個單獨的步驟，但是這樣選擇的樣本是無目的性的，導致分類器的效果不穩(wěn)定。本文結合主動學習的模型，提出一種新的樣本選擇的算法，基于多實例學習算法的框架，將主動樣本選擇的策略加入到樣本采樣和標簽分配之間，這樣可以選出有助于分類器學習的樣本，然后結合協(xié)同訓練方法，防止由于誤差積累而導致的漂移，進一步提高算法性能。通過在標準視頻序列上和其他六種