基于結(jié)構(gòu)支持向量機的目標(biāo)跟蹤算法研究.pdf

1、隨著科技進步和社會發(fā)展，計算機視覺跟隨人工智能的腳步走入人類視野。目標(biāo)檢測與跟蹤課題，作為計算機視覺的關(guān)鍵問題，也是一個經(jīng)典難題，近年來受到各個相關(guān)領(lǐng)域研究學(xué)者的關(guān)注，并且應(yīng)對不同場景探索不同的檢測與跟蹤算法。在目標(biāo)檢測和目標(biāo)跟蹤兩個領(lǐng)域中，關(guān)鍵的問題都在于如何有效描述目標(biāo)、如何讓計算機準(zhǔn)確識別目標(biāo)；不同點在于檢測看重的是精確度，而跟蹤在于實時性。
　　應(yīng)對這兩種需求，本文結(jié)合支持向量機的優(yōu)秀分類特性，研究了以下檢測和跟蹤系統(tǒng)。<

2、br>　　對于目標(biāo)檢測系統(tǒng)，在其訓(xùn)練階段，首先在每個滑動窗口中分別計算HOG特征與LBPHF特征，然后將兩者結(jié)合構(gòu)成聯(lián)合特征。接著利用線性支持向量機（SVM）訓(xùn)練分類器，其中本算法通過自舉法（Bootstrap Method）不斷更新優(yōu)化分類器，以此獲得最優(yōu)判別模型。在訓(xùn)練階段的基礎(chǔ)上，將提取所得的聯(lián)合特征輸入上一階段所獲得的分類器中進行判別，最后采用非極大值抑制（NMS）的融合方法對重疊檢測窗口進行融合，以此獲得最終的檢測結(jié)果。實驗證