基于支持向量机优化的行人跟踪学习检测方法

作者：孙炜; 薛敏; 孙天宇; 胡梦云; 吕云峰

来源：湖南大学学报(自然科学版), 2016, 43(10): 102-109.

DOI：10.16339/j.cnki.hdxbzkb.2016.10.013

• 支持向量机
• 行人检测跟踪
• TLD

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.

• 单位
  湖南大学