基于支持向量机优化的行人跟踪学习检测方法 |
| |
引用本文: | 孙炜,薛敏,孙天宇,胡梦云,吕云峰.基于支持向量机优化的行人跟踪学习检测方法[J].湖南大学学报(自然科学版),2016,43(10):102-109. |
| |
作者姓名: | 孙炜 薛敏 孙天宇 胡梦云 吕云峰 |
| |
作者单位: | (湖南大学 电气与信息工程学院,湖南 长沙410082) |
| |
摘 要: | 提出一种基于SVM(Support Vector Machine)优化的TLD(Track-LearningDetection)行人检测跟踪算法.将行人作为正样本,背景作为负样本,提取出行人的HOG特征并投入线性SVM中进行训练,得到行人检测分类器,并标定出目标区域,实现行人自动识别;然后在TLD算法的基础上对行人进行跟踪和在线学习,估计检测出的正负样本并实时修正检测器在当前帧中的误检,利用相邻帧间特征点配准剔除误配点,同时更新跟踪器数据,以避免后续出现类似错误.实验表明,该算法能够适应遮挡变化且自动识别并稳定跟踪目标行人,较传统跟踪算法具有更强的鲁棒性.
|
关 键 词: | 支持向量机 行人检测跟踪 TLD |
The Optimized Pedestrian Tracking-Learning-Detection Algorithm Based on SVM |
| |
Institution: | (College of Electrical and Information Engineering, Hunan Univ,Changsha,Hunan410082,China) |
| |
Abstract: | |
| |
Keywords: | support vector machine pedestrian detection and tracking TLD |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南大学学报(自然科学版)》下载免费的PDF全文 |
|