視頻圖像序列中運動目標跟蹤算法的研究.pdf

1、視頻圖像序列中運動目標的跟蹤具有非常重要的實用價值，它是機器視覺領(lǐng)域內(nèi)一個非常重要的研究方向。本文針對視頻圖像序列中運動目標跟蹤過程中運動目標外觀變化這一核心問題展開深入的研究，提出了全新的多支持向量機聯(lián)合魯棒跟蹤算法。算法基于二元分類思想，通過有機組合在不同時間段在線更新的線性支持向量機獲得一個更加穩(wěn)定的組合分類器，完成運動目標跟蹤任務。 前人的算法是本文研究的理論基礎(chǔ)和思想源泉，本文首先針對運動目標跟蹤領(lǐng)域內(nèi)前人的重要算法加

2、以分析研究，深入探討運動目標跟蹤算法研究領(lǐng)域內(nèi)所面臨的主要問題，并借此提出本文對這些問題的看法。 隨后本文細致介紹了文中所提出的兩大核心算法：基于單個支持向量機的目標跟蹤算法和多支持向量機聯(lián)合魯棒跟蹤算法?；趩蝹€支持向量機的目標跟蹤算法是多支持向量機聯(lián)合魯棒跟蹤算法的設(shè)計原型，是后者的一個簡化版本?；趩蝹€支持向量機的目標跟蹤算法通過在線獲取樣本、在線更新支持向量機的分界面有效地將運動目標與背景區(qū)域區(qū)分開來，并能適應目標特征的

3、不斷變化。更為重要的是，通過利用支持向量機這一有效的分類工具中特有的支持向量，算法可以不斷獲取并傳遞運動目標在運動過程中的一些“關(guān)鍵幀”，并利用它們確保跟蹤算法的穩(wěn)定性。 多支持向量機聯(lián)合魯棒跟蹤算法利用組合學習算法有機的將不同時間段內(nèi)更新的不同的線性支持向量機分類器有機的組合起來。算法的提出解決了線性支持向量機無法解決的非線性分類的問題，使得組合分類器獲得了更好的分類效果，同時也能更加有效的利用不同時間段的歷史信息，剔除無用的