QQ客服 官方微博 反馈留言

题名	基于支持向量机的目标跟踪技术研究
作者	宋华军
答辩日期	2006-06-11
文献子类	博士
授予单位	中国科学院长春光学精密机械与物理所
授予地点	长春光学精密机械与物理所
导师	朱明
关键词	支持向量机 Gabor小波 主分量分析 Adaboost Haar小波
学位专业	光学工程
英文摘要	针对传统目标跟踪系统由于目标旋转、遮挡、尺度变化、变形以及光照变化等引起的跟踪精度低等缺点，本文将基于统计学习理论中的支持向量机（SVM）应用到目标跟踪领域中。该算法不仅能够自动检测和跟踪视场或图像中预先设定好的目标，而且克服了传统目标跟踪系统的缺陷。 论述了将SVM应用到目标跟踪领域的算法原理及实现过程。为了将支持向量机跟踪算法与其它算法进行性能比较，实验中分别实现了重心和相关等传统跟踪算法及其改进算法。由于将图像像素值直接作为SVM训练器和分类器的输入数据，算法的计算量过大，从而导致跟踪精度较低。因此，提出了分别采用Gabor小波计算样本特征，然后使用能量函数、主分量分析（PCA）和AdaBoost算法挑选部分Gabor特征；通过PCA和线性判别分析（LDA）对输入的数据降维；计算Haar小波特征，用AdaBoost提取部分有代表性的特征共三种特征选择方法与SVM相结合进行目标跟踪的算法。实验结果表明，后一种特征提取方法具有较高的跟踪精度。在检测跟踪过程中，通过使用层叠检测算法，加快了目标跟踪的速度，使算法达到实时性成为可能。 针对项目需求和算法的特点，设计完成了单数字信号处理器（DSP）高速目标跟踪系统硬件处理平台，并且已经成功应用到实际项目中。传统跟踪算法及其改进算法已成功地在此项目中运行，SVM算法还处于仿真阶段。由于SVM算法占用内存空间大，运行时间长等特点，单DSP处理平台不能满足实时性要求，设计了以当前最高性能的DSP芯片TMS320C6455为核心处理器的双DSP目标跟踪系统方案，它具有大容量的高速存储器、高速的DSP互连以及8000MIPS的处理速度等特点，从仿真结果可见，能够满足SVM算法的运行要求。
语种	中文
公开日期	2012-03-21
页码	135
内容类型	学位论文
源URL	[http://159.226.165.120//handle/181722/285]
专题	长春光学精密机械与物理研究所_中科院长春光机所知识产出
推荐引用方式 GB/T 7714	宋华军. 基于支持向量机的目标跟踪技术研究[D]. 长春光学精密机械与物理所. 中国科学院长春光学精密机械与物理所. 2006.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。