科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对多目标跟踪技术中常出现的目标尺度变化、形变和遮挡问题,提出了一种具有良好鲁棒性的新算法。本算法采用改进的SVM分类器进行在线学习,将跟踪问题看作是一种最大间隔的结构化学习问题并对其更新方式进行改进,来寻找最优权重。同时对在线更新分类器的机制进行了调整,一定程度上减少了误差积累,使在线学习能够更好地发挥其长处。此外,算法采用相关滤波器自适应调整跟踪框大小,并提出遮挡处理和数据关联机制,使被遮挡后重新出现的多个目标编号不发生交换。经过实验验证,本算法提高了跟踪精度,在复杂的背景环境中能够较好地完成多目标跟踪任务。
-
单位中国人民解放军陆军工程大学
