| 基于支持向量机的多特征选择目标跟踪 |
| |
| 引用本文： | 胡昭华,徐玉伟,赵孝磊,何军,周游. 基于支持向量机的多特征选择目标跟踪[J]. 应用科学学报, 2015, 33(5): 502-517. DOI: 10.3969/j.issn.0255-8297.2015.05.005 |
| |
| 作者姓名： | 胡昭华 徐玉伟 赵孝磊 何军 周游 |
| |
| 作者单位： | 1. 南京信息工程大学电子与信息工程学院, 南京 210044;2. 南京信息工程大学江苏省大气环境与装备技术协同创新中心, 南京 210044;3. 中国人民解放军 94804部队, 上海 200434;4. 苏州电器科学研究院股份有限公司, 江苏苏州 215000 |
| |
| 基金项目： | 国家自然科学基金(No.61203273);江苏省自然科学基金(No.BK20141004);江苏省普通高校自然科学研究基金(No.11KJB510009, No.14KJB510019);江苏省高校优势学科Ⅱ期建设工程项目基金资助 |
| |
| 摘 要： | 目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.
|
| 关 键 词： | 分类器 目标跟踪 支持向量机 子空间学习 多特征选择 |
| 收稿时间： | 2015-04-21 |
| 修稿时间： | 2015-05-26 |
Multi-feature Selection Tracking Based on Support Vector Machine |
| |
| HU Zhao-hua,XU Yu-wei,ZHAO Xiao-lei,HE Jun,ZHOU You. Multi-feature Selection Tracking Based on Support Vector Machine[J]. Journal of Applied Sciences, 2015, 33(5): 502-517. DOI: 10.3969/j.issn.0255-8297.2015.05.005 |
| |
| Authors: | HU Zhao-hua XU Yu-wei ZHAO Xiao-lei HE Jun ZHOU You |
| |
| Affiliation: | 1. School of Electronic & Information Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China;2. Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment Technology, Nanjing 210044, China;3. 94804 PLA Troops, Shanghai 200434, China;4. Suzhou Electrical Apparatus Science Research Institute Co., Ltd, Suzhou 215000, Jiangsu Province, China |
| |
| Abstract: | |
| |
| Keywords: | classifier object tracking support vector machine (SVM) subspace learning multi-feature selection |
|
| 点击此处可从《应用科学学报》浏览原始摘要信息 |
|
点击此处可从《应用科学学报》下载全文 |
|
