一种改进的基于SVM与Mean shift的目标跟踪

• 作者: 王正友
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 支持向量机 均值漂移 目标跟踪 粗糙集理论 置信图
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 仿真智能化
• 页码范围: 347-351
• 页数: 5页
• 分类号: TP391
• 字数: 3157字
• 语种: 中文

摘要

在研究基于支持向量机(Support Vector Machine,SVM)和均值漂移(Mean shift)跟踪算法基础上,为了提高目标跟踪的精确度和效率,提出了一种改进的目标跟踪算法.首先将目标跟踪转化为目标和背景的二分类问题,提取目标和背景的特征信息,采用粗糙集理论中的属性约简算法提取它们的有效特征,将目标和背景的特征分别作为正负样本训练SVM,得到背景与目标的总体分类器.借助总体分类器来区分临近下一帧中的目标和背景,并得到置信图;最后通过Mean shift算法找到置信图的峰值,从而获得目标的新位置.实验结果表明,改进方法能有效地提高目标的跟踪精度,同时加快了跟踪速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王正友	上海理工大学出版印刷与艺术设计学院	12	77	5.0	8.0