基于多分类SVM和Hd的目标跟踪算法

摘要：

针对传统基于支持向量机的目标跟踪算法中计算复杂度高，目标由于严重遮挡或者出离场景导致的目标跟踪漂移，提出一种基于结构化多分类 SVM和 Hausdorff距离的目标跟踪算法。通过提取相邻帧之间的 canny特征算子，计算目标轮廓特征点的 Hausdorff距离，整合相邻帧的图像跟踪序列，对样本学习的采集进行预判，避免传统算法中不必要的样本在线学习；采用结构化多分类 SVM目标输出预测函数增加目标变换种类，增强目标跟踪的鲁棒性和准确性。实验结果表明，该算法延续了支持向量机良好的泛化能力，可以有效跟踪目标的各种变换，较传统方法有更好的鲁棒性和计算效率。

关键词：多分类 SVM、Hausdorff距离、目标跟踪、支持向量机、canny特征算子

所属期刊栏目：37

分类号：TP391.9(计算技术、计算机技术)

在线出版日期：2016-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3118-3123