校园安全平台中高层特征融合的目标跟踪技术研究
刘蓝蓝1
司马海峰2
1.河南理工大学 计算机科学与技术学院,河南 焦作 454000;河南理工大学 文法学院,河南 焦作 4540002.河南理工大学 计算机科学与技术学院,河南 焦作 454000
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
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(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)
论文发表日期：2022-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 163-168 )
英文信息