基于多示例學(xué)習(xí)的機(jī)器人目標(biāo)跟蹤技術(shù)研究.pdf

1、隨著人工智能技術(shù)的不斷發(fā)展與應(yīng)用，如今它已上升到國家戰(zhàn)略層面的高度。機(jī)器人作為人工智能技術(shù)的集成者，在實(shí)際用途中正在受到更多研究人員的關(guān)注。而移動機(jī)器人的自主目標(biāo)識別與跟蹤應(yīng)用也是其智能化技術(shù)方面需要解決的一個核心問題。如何將改進(jìn)的機(jī)器學(xué)習(xí)算法移植到移動機(jī)器人上，并且使其處理跟蹤時光線變化、遮擋和復(fù)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(xiàng)研究技術(shù)。該文在MT-R輪式移動機(jī)器人平臺上，通過改進(jìn)的機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)了機(jī)器人的自主

2、目標(biāo)跟蹤和對自身運(yùn)動控制的功能，從而進(jìn)一步實(shí)現(xiàn)輪式移動機(jī)器人的智能化應(yīng)用。本文的主要研究內(nèi)容可以概括成:
　　首先該文回顧了視覺目標(biāo)跟蹤的研究現(xiàn)狀，列舉出了不同視覺目標(biāo)跟蹤算法所采用的方法并分析了這些算法的缺點(diǎn)。著重說明并分析了基于多實(shí)例學(xué)習(xí)的跟蹤方法和結(jié)合協(xié)同訓(xùn)練的算法。完成了對本文對采用方法理論基礎(chǔ)的鋪墊。同時也簡要討論了移動機(jī)器人在國內(nèi)外的研究發(fā)展?fàn)顩r。
　　然后重點(diǎn)介紹移動機(jī)器人內(nèi)部目標(biāo)跟蹤算法。基于檢測的目標(biāo)跟蹤算

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