[发明专利]用于使提升分类器适合于新样本的方法

权利要求书

1、一种使提升分类器适合于新样本的方法，该方法包括以下步骤：

使用初始样本对提升分类器进行训练，其中所述提升分类器是弱分类器的组合；以及

通过添加新样本的贡献并删除旧样本的贡献，自适应地更新所述提升分类器的各个弱分类器。

2、根据权利要求1所述的方法，其中，所述样本与从场景获取的视频的帧中的前景像素和背景像素相对应，并且所述方法还包括：

跟踪与所述视频中的前景像素相对应的对象。

3、根据权利要求2所述的方法，其中，所述场景和所述对象随时间变化。

4、根据权利要求1所述的方法，其中，所述提升分类器中的弱分类器的数量随时间变化。

5、根据权利要求2所述的方法，其中，通过多维特征向量来表示各个像素。

6、根据权利要求5所述的方法，其中，所述特征向量对视频中的边缘和纹理信息进行编码。

7、根据权利要求1所述的方法，其中，只要特定的弱分类器的错误率小于预定阈值，就保留该弱分类器。

8、根据权利要求1所述的方法，其中，矩阵X包括N个样本，每一个样本是一个特征向量x，并且这些样本的对应标签存储在向量y∈{-1，1}^N中，其中，所述标签表示所述样本的二值分类，并且通过加权最小二乘法求解线性关系Xβ~=y,]]>这最小化了错误函数

(y-Xβ~)TW(y-Xβ~),]]>

其中，T是转置运算符，W是根据样本的权重向量w构造的对角矩阵，并且使错误最小化的线性系数由下式给出

β~=(XTWX)-1XTWy,]]>

其表示由所述提升分类器使用的样本的概率分布。