针对传统SVM普通学习模型无法适应视频中目标姿态变化、有遮挡或复杂背景的局限性,提出一种新的SVM邻域学习模型。邻域学习是基于视频相邻帧在时间和空间上的高度相关性,每个测试帧在其相邻帧上抽取训练数据进行SVM模型的学习与更新,随着视频的更新,SVM模型将不断更新来适应目标检测的各种变化。通过大量样本在各种复杂环境下实验,采用统计学分析结果,证明SVM邻域学习比传统SVM普通学习准确率更高、鲁棒性更好。
科研之友
微信
新浪微博
Facebook
分享链接
