10.3969/j.issn.1006-8961.2007.11.018
基于SVM和AdaBoost的红外目标跟踪
为了提高目标跟踪的鲁棒性,提出了一种新的用于红外目标跟踪的DABSVT算法.该算法首先把目标跟踪转化为目标和背景的两类分类问题,然后将根据每一帧的正负样本训练的支持向量机(SVM)作为分量分类器,并通过恰当的参数调整策略,利用AdaBoost算法把这些分量分类器组合成一个总体分类器;接着利用该总体分类器来区分下一帧中的目标和背景,并得到置信图;最后通过均值漂移算法找到置信图的峰值,得到目标的新位置.该新位置不仅与目标和背景的变化相适应,而且分量分类器可以随时加入或丢掉.实验结果显示,该方法是鲁棒的.
目标跟踪、AdaBoost、支持向量机、参数调整策略、均值漂移
12
TP391.41(计算技术、计算机技术)
国家自然科学基金60135020
2008-01-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
2052-2057