校园安全平台中高层特征融合的目标跟踪技术研究_中国煤炭行业知识服务平台

校园安全平台中高层特征融合的目标跟踪技术研究

作者

刘蓝蓝司马海峰
单位

河南理工大学计算机科学与技术学院河南理工大学文法学院
摘要

视频中的目标检测与跟踪属于交叉学科研究的内容，是安全与智慧校园建设的重要监测手段。针对跟踪技术中底层特征缺乏高层知识的问题，提出一种将计算机视觉中的超像素约束融入SVM的跟踪框架。首先提取每一帧图像的超像素，计算局部平均特征与降维的密集SIFT特征，然后融合超像素约束的局部秩变换特征并通过在线学习优化分类器，最后得到优化目标跟踪结果。实验结果表明，基于超像素约束的融合特征进一步提高了目标检测的准确率和成功率，验证了算法的有效性。
关键词

校园安全目标跟踪超像素约束密集SIFT特征融合在线学习
基金项目(Foundation)

国家自然科学基金资助项目（61602157）；河南省科技攻关计划项目（202102210167）；河南省高校创新团队项目（19IRTSTHN012）；河南理工大学博士基金资助项目（B2016-37）；
文章目录

0 引言
1 结构化SVM跟踪原理
2 超像素分割特征融合的跟踪算法
2.1 对偶SVM跟踪过程
2.2 超像素平均特征
2.3 密集SIFT计算
2.4 特征融合
2.5 跟踪算法过程
3 结果与分析
4 结语
引用格式

刘蓝蓝,司马海峰.校园安全平台中高层特征融合的目标跟踪技术研究[J].河南理工大学学报(自然科学版),2022,41(06):163-168.DOI:10.16186/j.cnki.1673-9787.2021030036.
相关文章

[1]基于显著性语义协同的校园道路场景分割