多支持向量机在线联合的运动目标跟踪算法.pdfVIP

180 2009，45(36) ComputerEngineeringandApplications计算机工程与应用 多支持向量机在线联合的运动 目标跟踪算法 张谢华 ．-，张 申t，田 敏 ， ZHANG Xie—hua一，ZHANG Shen，TIAN Min 1．中国矿业大学 信息与电气工程学院，江苏 徐州 221008 2．徐州师范大学 现代教育技术中心，江苏 徐州 221l16 3．同济大学 电子与信息工程学院 宽带无线通信与多媒体实验室，上海 201804 1．SchoolofInformationandElectricalEngineering，ChinaUniversityofMiningandTechnology，Xuzhou，Jiangsu221008，China 2．Morden Education TechnologyCenter，XuzhouNormalUniversity，Xuzhou，Jiangsu 221116。China 3．BroadbandWirelessCommunicationandMultimediaLaboratory，CollegeofElectronicsandInfomration，TongjiUniversity，Shang～ hal201804，China E—mail：xuzhouzxhyt@163．con ZHANG Xie-hua，ZHANG Shen。TIAN Min．Movingobjecttrackingalgorithm basedonon-lineensembleSVMs．Computer EngineeringandApplications，2009．45(36)：180—184． Abstract：Consideringthetrackerasabinary classificationproblem，anovelmovingobjecttrackingalgorithm ispresented，which isbased on on—line ensemble SVMs．Firstofall，linear SVMs ischoosed as the classifiers to distinguish the targetfrom the background．A simple yeteffectivewayisused foron-line updating linearSVMs．whereuseful “KeyFrames”oftargetareauto— maticallyselected assupportvectors．Then，each linearSVM isseparatelygivendifferentweightthrough theAdaboostalgorithm and ison—line ensemhled to getastrong classifier．Experimentalresultsshow the robustnessofthe proposed algorithm，especially underlargeappearancechangeduringtracking． Keywords：movingobjecttracking；linearSupportVectorMachine；on-lineupdating；supportvector；Adaboost 摘 要：依据二元分类的思想，提出了一种新的基于多支持向量机在线联合的运动 目标跟踪算法。首先选择线性支持向量机作为 分类器最大限度地将 目标和背景区分开来，对线性支持向量机进行简单高效的在线更新，采用支持向量 自动记录运动 目标 “关键 帧”的信息。然后通过 Adaboost算法为每个线性支持向量机分别赋以不同的权重，进行在线联合获得强分类器。实验结果表明，该 算法具有较强的鲁棒性，尤其在 目标变化过于激烈的情况下能够实现较为稳定的跟踪。 关键词：运动 目标跟踪；线性支持向量机；在线更新 ；支持向量；Adaboost DoI：10．3778／j．issn．1002—8331．2009．36．053 文章编号：1002—8331(2009)36—0180—05 文献标识码：A 中图分类号：TP391．4l 1 引言 的像素点进行前景背景所属类别的分类。但描述像素点特征的 视频运动 目标跟踪是计算机视觉领域中一个长盛不衰的 11维特征向量维