本文選題：目標跟蹤　切入點：結(jié)構(gòu)化支持向量機　出處：《中國圖象圖形學報》2017年09期 　論文類型：期刊論文

【摘要】：目的目標在跟蹤過程中,各種因素的干擾使得跟蹤結(jié)果存在不確定性。因此,將跟蹤過程中所提取樣本的可靠性融入跟蹤模型中,有助于克服低可靠性樣本對跟蹤算法的影響。為此,基于最近的結(jié)構(gòu)化支持向量機(SSVM)跟蹤算法,提出一種包含樣本置信度的加權(quán)間隔結(jié)構(gòu)化支持向量機跟蹤模型(WMSSVM),以增強SSVM跟蹤算法性能。方法首先,基于打分和位置重合率估計樣本可靠性;其次,建立WMSSVM模型處理具有不同置信度的跟蹤樣本訓練問題,并采用對偶坐標下降優(yōu)化算法求解跟蹤模型。結(jié)果在包含100個視頻的OTB100跟蹤數(shù)據(jù)集上進行測試,提出的WMSSVM跟蹤器與基準跟蹤器Scale-DLSSVM相比,在精準度和成功率兩個指標上分別提高了1%和2%。與最近的跟蹤算法相比,提出的方法也表現(xiàn)出更好的性能。結(jié)論本文首次將樣本的可靠性融入結(jié)構(gòu)化支持向量機跟蹤模型,并提出一種基于加權(quán)間隔的結(jié)構(gòu)化支持向量機跟蹤模型及其優(yōu)化求解方法,在包含100個視頻序列的跟蹤數(shù)據(jù)集上驗證了提出方法的有效性,本文提出的算法能夠適應復雜場景下的跟蹤任務,并在背景混雜、目標形變、遮擋、運動模糊、目標出界、快速位移等類別的視頻中表現(xiàn)出優(yōu)異的性能。
[Abstract]:Objective in the process of target tracking, the disturbance of various factors makes the tracking results uncertain. Therefore, the reliability of the samples extracted in the tracking process is incorporated into the tracking model. It is helpful to overcome the influence of low reliability samples on tracking algorithm. To this end, based on the most recent structured support vector machine (SSVM) tracking algorithm, A weighted interval structured support vector machine tracking model including sample confidence is proposed to enhance the performance of SSVM tracking algorithm. Firstly, the reliability of the sample is estimated based on scoring and position coincidence rate. The WMSSVM model is established to deal with the training problem of tracking samples with different confidence levels, and the dual coordinate descent optimization algorithm is used to solve the tracking model. The results are tested on the OTB100 tracking data set containing 100 videos. Compared with the reference tracker (Scale-DLSSVM), the proposed WMSSVM tracker improves the accuracy and success rate by 1% and 2, respectively. The proposed method also shows better performance. Conclusion in this paper, the reliability of samples is first integrated into the structured support vector machine tracking model, and a structured support vector machine tracking model based on weighted interval and its optimization solution are proposed. The effectiveness of the proposed method is verified on the tracking data set of 100 video sequences. The proposed algorithm can adapt to the tracking tasks in complex scenes, and can be used in background clutter, object deformation, occlusion, motion blur, target out of bounds. Fast displacement and other categories of video show excellent performance.
【作者單位】： 西北農(nóng)林科技大學信息工程學院;西安電子科技大學綜合業(yè)務網(wǎng)理論及關(guān)鍵技術(shù)國家重點實驗室;
【基金】：西安電子科技大學綜合業(yè)務網(wǎng)理論及關(guān)鍵技術(shù)國家重點實驗室開放基金項目(ISN17-08)
【分類號】：TP18;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 張凡,賀蘇寧;模糊判決支持向量機在自動語種辨識中的研究[J];計算機工程與應用;2004年21期

2 宋曉峰;陳德釗;胡上序;;支持向量機泛化能力估計若干方法[J];計算機科學;2004年08期

3 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機和小波分解的氣體識別研究[J];儀器儀表學報;2006年06期

4 劉斌;岳會宇;李卓;劉鐵男;;支持向量機在油層含油識別中的應用[J];控制工程;2006年04期

5 李學鵬;張國基;;基于支持向量機的電信欠費用戶分析模型[J];計算機應用;2006年S2期

6 蔣琳瓊;賀建飚;;基于支持向量機的貨幣識別應用研究[J];計算機系統(tǒng)應用;2007年04期

7 方景龍;陳鑠;潘志庚;梁榮華;;復雜分類問題支持向量機的簡化[J];電子學報;2007年05期

8 張濤;段淑敏;;支持向量機在中醫(yī)疾病癥候診斷中的應用[J];華北水利水電學院學報;2007年03期

9 胡金蓮;;支持向量機的光滑與逼近關(guān)系研究[J];東莞理工學院學報;2008年01期

10 張苗;張德賢;;多類支持向量機文本分類方法[J];計算機技術(shù)與發(fā)展;2008年03期

相關(guān)會議論文 前10條

1 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

2 張曉濱;尹英順;趙培坤;馬秀蘭;;基于漸進直推支持向量機的半對半多類文本分類[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

3 晏慶華;;支持向量機算法綜述[A];2008'中國信息技術(shù)與應用學術(shù)論壇論文集（二）[C];2008年

4 楊凌;劉玉樹;;基于支持向量機的坦克識別算法[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應用學術(shù)研討會論文摘要集[C];2004年

5 高尚;劉夫成;;與κ均值混合的支持向量機的個人信用評估[A];2013年中國智能自動化學術(shù)會議論文集（第五分冊）[C];2013年

6 李志明;孔令富;;用于回歸估計的支持向量機[A];廣西計算機學會2005年學術(shù)年會論文集[C];2005年

7 李優(yōu);;支持向量機在組塊識別中的應用[A];第八屆中國青年運籌信息管理學者大會論文集[C];2006年

8 李智超;余慧佳;馬少平;;使用支持向量機進行作弊頁面識別[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

9 于鷹宇;張小洵;賈云得;;基于局部可控特征及支持向量機的人臉識別[A];中國感光學會第七次全國會員代表大會暨學術(shù)年會和第七屆青年學術(shù)交流會論文摘要集[C];2006年

10 宋金偉;劉廣利;沈翠華;李迪;;基于支持向量機的織物組織識別方法[A];第六屆全國信息獲取與處理學術(shù)會議論文集（2）[C];2008年

相關(guān)博士學位論文 前10條

1 王喜賓;基于優(yōu)化支持向量機的個性化推薦研究[D];重慶大學;2015年

2 陳素根;非平行平面支持向量機及特征提取中若干問題研究[D];江南大學;2016年

3 李華慶;支持向量機及其在人臉識別中的應用研究[D];上海交通大學;2006年

4 郭磊;基于支持向量機的真實頭模型三維重建方法的研究[D];河北工業(yè)大學;2007年

5 陳愛軍;最小二乘支持向量機及其在工業(yè)過程建模中的應用[D];浙江大學;2006年

6 業(yè)寧;支持向量機若干基礎(chǔ)研究及其在圖像識別中的應用[D];東南大學;2006年

7 王開義;基于支持向量機的農(nóng)產(chǎn)品生產(chǎn)關(guān)鍵控制點發(fā)現(xiàn)研究[D];北京工業(yè)大學;2011年

8 陳萬海;基于支持向量機的超譜圖像分類技術(shù)研究[D];哈爾濱工程大學;2008年

9 秦玉平;基于支持向量機的文本分類算法研究[D];大連理工大學;2008年

10 沈傳河;金融問題中的支持向量機應用研究[D];山東科技大學;2011年

相關(guān)碩士學位論文 前10條

1 甘樂;基于支持向量機的高光譜圖像降維與分類研究[D];長江大學;2015年

2 韓揚;數(shù)據(jù)清洗和支持向量機技術(shù)研究[D];河北工業(yè)大學;2015年

3 劉夢;基于支持向量機的實時視頻目標跟蹤技術(shù)研究[D];南京郵電大學;2015年

4 趙越;基于支持向量機的軟件質(zhì)量評價[D];渤海大學;2016年

5 魏云峰;基于支持向量機的高校人才評價系統(tǒng)的設計與實現(xiàn)[D];吉林大學;2016年

6 劉非非;基于視頻監(jiān)控的室內(nèi)跌倒行為的檢測與識別研究[D];山東大學;2016年

7 竇琳娜;基于二維主成分分析和支持向量機的交通標志識別[D];西安科技大學;2015年

8 王進寧;準線性的支持向量機訓練子集劃分的分析與研究[D];青島理工大學;2016年

9 余介夫;基于ICM振蕩時間序列和支持向量機的人臉識別[D];云南大學;2016年

10 劉杰;基于在線服務的評論質(zhì)量分析與研究[D];昆明理工大學;2016年

，

本文編號：1638839