基于支持向量机优化的行人跟踪学习检测方法

被引：8

作者：

孙炜

薛敏

孙天宇

胡梦云

吕云峰

机构：

[1] 湖南大学电气与信息工程学院

来源：

湖南大学学报(自然科学版) | 2016年 / 43卷 / 10期

基金：

高等学校博士学科点专项科研基金; 湖南省自然科学基金;

关键词：

支持向量机; 行人检测跟踪; TLD;

D O I：

10.16339/j.cnki.hdxbzkb.2016.10.013

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种基于SVM(Support Vector Machine)优化的TLD(Track-LearningDetection)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.

引用

页码：102 / 109

页数：8

共 8 条

[1] 基于Kalman滤波和模板匹配的目标跟踪技术研究 [J].

陈金令 ;

苗东 ;

康博 ;

沈家瑞 ;

陈闹 .

光学与光电技术, 2014, 12 (06) :9-12

[2] 融合光流检测与模板匹配的目标跟踪算法 [J].

魏国剑 ;

侯志强 ;

李武 ;

余旺盛 .

计算机应用研究, 2014, 31 (11) :3498-3501

[3]

基于粒子滤波的多区域辨识性建模跟踪算法[J]. 季玉龙,董天罡,梁海军,戈文一.四川大学学报(工程科学版). 2013(S1)

[4] 输电线路除冰机器人基于小波矩及SVM的障碍物识别研究 [J].

曹文明 ;

王耀南 ;

文益民 .

湖南大学学报(自然科学版), 2012, 39 (09) :33-38

[5] 基于RBF神经网络的复杂场景人群目标的识别 [J].

方卫宁 ;

胡清梅 ;

李娜 ;

郭北苑 .

北京交通大学学报 , 2009, (04) :29-33

[6] 应用于公交客流统计的机器视觉方法 [J].

于海滨 ;

刘济林 .

中国图象图形学报, 2008, (04) :716-722

[7] Behavioral priors for detection and tracking of pedestrians in video sequences [J].

Antonini, Gianluca ;

Martinez, Santiago Venegas ;

Bierlaire, Michel ;

Thiran, Jean Phillppe .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2006, 69 (02) :159-180

[8]

Pn learning:Bootstrapping binary classifiers by structural constraints .2 Kalal Z,Matas J,Mikolajczyk K. IEEE Conference on Computer Vision and Pattern Recognition . 2010

← 1 →