基于支持向量机的多特征选择目标跟踪方法

摘要

本发明公开了基于支持向量机的多特征选择目标跟踪方法，其步骤为：获取正负样本，提取样本的多种特征；抽取候选目标，提取目标的多种特征；对所有特征进行核化处理；训练SVM分类器；计算置信值，判别候选目标；更新分类器；评估跟踪性能。本发明能够解决单一特征描述目标能力较差的问题以及克服单一正样本训练的分类器分类能力较弱的缺点，能够在光照影响较大、目标出现严重遮挡等复杂场景下提高目标跟踪器的精度和稳健性。

主权项

基于支持向量机的多特征选择目标跟踪方法，其特征在于，包括以下步骤：(1)利用简单跟踪器跟踪视频序列的前n帧，将每帧的跟踪结果分别作为一个正样本，共得到n个正样本，同时在当前帧的跟踪结果附近获取若干负样本，分别提取正、负样本的多个特征；(2)在跟踪过程中，对于新到来的每帧图像，分别抽取N个粒子作为候选目标，并对抽取的候选目标采用步骤(1)中提取正、负样本特征的方式提取目标特征；(3)对于从正、负样本以及候选目标中提取出的特征进行核化处理，使所有特征的维数达到相同；(4)利用正、负样本训练支持向量机分类器；(5)用分类器计算候选目标属于正样本的概率，将具有最大概率值的候选目标作为跟踪结果；(6)在跟踪过程中，每隔一定帧数对正、负样本进行更新，用更新后的正、负样本重新训练分类器，实现分类器的更新；(7)采用标准度量准则评估跟踪性能。