基于支持向量机优化的行人跟踪学习检测方法?

• 作者: 吕云峰 孙天宇 孙炜 胡梦云 薛敏
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 支持向量机 行人检测跟踪 TLD
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 【电气与信息工程】
• 页码范围: 102-109
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文

摘要

提出一种基于 SVM(Support Vector Machine)优化的 TLD(Track-Learning-Detection)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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙炜	湖南大学电气与信息工程学院	76	876	17.0	25.0
2	吕云峰	湖南大学电气与信息工程学院	3	71	3.0	3.0
3	孙天宇	湖南大学电气与信息工程学院	2	25	2.0	2.0
4	薛敏	湖南大学电气与信息工程学院	3	68	3.0	3.0
5	胡梦云	湖南大学电气与信息工程学院	1	15	1.0	1.0