技术总结
本发明涉及一种基于在线机器学习的视觉人手跟踪方法及系统，系统包括：跟踪器、检测器和在线机器学习。跟踪方法为：本发明通过在线学习将基于分类器的检测和基于运动连续性的跟踪结合起来，以实现对现实应用场景鲁棒的人手跟踪。通过利用层级分类器（检测器）对搜索区域内的像素点进行分类，得到对目标的保守但稳定的估计；利用结合鸟群算法的光流法跟踪器对目标进行适应性较强但不太稳定的估计；利用在线学习机制将二者结合得到的跟踪结果，并且根据时间空间约束产生新的样本来在线更新层级的分类器，从而实现跟踪器和检测器的互补，来获得更加鲁棒的跟踪结果。本发明增强了对光照变化和快速运动的鲁棒性。
技术研发人员：刘宏;刘星;王灿
受保护的技术使用者：北京大学深圳研究生院
文档号码：201310385425
技术研发日：2013.08.29
技术公布日：2017.04.05