科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高目标跟踪的鲁棒性,提出了一种新的用于红外目标跟踪的DABSVT算法。该算法首先把目标跟踪转化为目标和背景的两类分类问题,然后将根据每一帧的正负样本训练的支持向量机(SVM)作为分量分类器,并通过恰当的参数调整策略,利用AdaBoost算法把这些分量分类器组合成一个总体分类器;接着利用该总体分类器来区分下一帧中的目标和背景,并得到置信图;最后通过均值漂移算法找到置信图的峰值,得到目标的新位置。该新位置不仅与目标和背景的变化相适应,而且分量分类器可以随时加入或丢掉。实验结果显示,该方法是鲁棒的。
-
单位北京理工大学; 模式识别国家重点实验室; 中国科学院自动化研究所
