10.16208/j.issn1000-7024.2016.11.046
基于多分类SVM和Hd的目标跟踪算法
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。
多分类 SVM、Hausdorff距离、目标跟踪、支持向量机、canny特征算子
37
TP391.9(计算技术、计算机技术)
2016-11-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
3118-3123