学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的视频目标检测方法研究

作　者: 王加良
导　师: 孙红光
学　校: 东北师范大学
专　业: 计算机应用技术
关键词: 视频目标跟踪目标检测多特征融合 SVM
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 23次
引　用: 0次
阅　读: 论文下载

内容摘要

视频中运动目标检测与跟踪在军用和生活领域有广泛的应用,成为近年来计算机视觉领域的热点研究问题。由于视频中含有大量复杂信息,包括目标背景复杂多变、光照、遮挡等问题的存在,以及视频目标呈现的复杂外观,视频目标跟踪距离实际的应用还有很多问题需要解决。迫切需要探索一种准确而鲁棒的对视频中的运动目标进行跟踪定位的算法。为了提高跟踪的精度,本文将支持向量机应用于视频跟踪中,采用分类方法解决跟踪问题,实现高精度的视频目标跟踪任务。主要在如下几个方面做了重点研究。视频跟踪中,为了提高跟踪的精度,本文对视频目标检测采用前景和背景的两类别分类问题来解决,采用支持向量机(support vector machine,SVM)构建前景和背景的分类界面,完成目标跟踪。其中,为了提高跟踪的精度,将每个像素的特征描述作为样本提供给分类器;为了适应跟踪场景的复杂变化,对视频跟踪中SVM的在线更新方法进行了研究,设计在线更新SVM的跟踪框架。对于目标复杂多变的外观带来的跟踪难题,为了提高跟踪算法对复杂的跟踪场景的鲁棒性,本文采用多特征融合的目标外观表示方法。分别提取目标的颜色、纹理和边缘信息,并将其进行加权融合,建立多特征融合的目标特征提取方法。将这种多特征融合方式应用于分类器的样本描述,提供给分类器。实验结果表明这种多特征融合的样本描述方法提高了跟踪精度。对于提出的视频跟踪定位方法,本文在大量视频上对分别采用颜色、纹理、边缘等特征跟踪的方法,以及本文的方法进行了对比分析。为了验证提出跟踪策略的精度,将其与粒子滤波器进行的跟踪对比。对于上述方法,分别在各种复杂的视频图像序列上进行了测试。实验结果表明,提出的跟踪策略对于复杂场景、外观多变的视频目标具有很好的跟踪效果。

全文目录

摘要  4-5
Abstract  5-7
第一章视频目标检测综述  7-11
  1.1 研究背景  7
  1.2 视频目标检测跟踪的发展与研究现状  7-9
  1.3 本文研究的内容  9-11
第二章目标检测及支持向量机的应用  11-18
  2.1 目标检测方法  11-13
  2.2 支持向量机理论  13-18
    2.2.1 支持向量机理论研究  13-16
    2.2.2 支持向量机解决视频目标跟踪问题的可行性探讨  16-18
第三章基于支持向量机的视频目标检测框架  18-22
  3.1 引言  18
  3.2 目标的常见表示方式  18-19
  3.3 跟踪算法的目标特征选取  19-20
  3.4 基于分类算法进行目标检测跟踪流程  20-22
第四章多特征融合支持向量机的检测方法  22-36
  4.1 特征提取  22-27
    4.1.1 颜色特征提取  22-24
    4.1.2 边界特征提取  24-25
    4.1.3 纹理特征提取  25-27
    4.1.4 特征相似度计算  27
  4.2 样本描述  27-28
  4.3 支持向量机的设计  28
  4.4 初始帧分类器设计  28-29
  4.5 加权寻优的目标检测  29-31
  4.6 支持向量机的检测方法实验结果与分析  31-36
    4.6.1 与单特征对比  31-32
    4.6.2 与粒子滤波器对比  32-36
第五章总结与展望  36-37
参考文献  37-39
后记  39-40
在学期间公开发表论文及著作情况  40

基于支持向量机的视频目标检测方法研究

内容摘要

全文目录

相似论文