基于SVM与Mean-Shift的非刚性目标跟踪框架

摘要：

针对动态背景下,序列图像中的非刚性目标跟踪问题,提出了一种基于支持向量机(support vector machine,SVM)和均值移动(Mcan-Shift)的序列图像目标跟踪框架.在初始图像中选择跟踪目标所处的矩形框,将目标框周围一定范围的像素作为背景.以目标和背景数据训练SVM二值分类器.运用得到的分类器对下一帧图像相同区域内的像素分类,得到二值的置信图(confidence map),在置信图范围内运用Mean-Shift算法求得当前目标位置,移动目标框和背景框的中心到目标位置,以10%的比例缩放目标框并选择最优者以适应目标尺度变化.以此时的目标像素和背景像素训练新的SVM分类器,进行下一幅图像的跟踪,直至完成整个序列图像跟踪任务.实验证明,该方法适用于动态背景及非刚性目标的跟踪,且实时性较好.

关键词：图像处理、目标跟踪、支持向量机、均值移动、置信图

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：东北电力大学博士科研启动基金BSJXM-200804资助课题

在线出版日期：2009-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2266-2270