基于SVM邻域学习的视频目标检测方法

摘要：

针对传统SVM普通学习模型无法适应视频中目标姿态变化、有遮挡或复杂背景的局限性,提出一种新的SVM邻域学习模型.邻域学习是基于视频相邻帧在时间和空间上的高度相关性,每个测试帧在其相邻帧上抽取训练数据进行SVM模型的学习与更新,随着视频的更新,SVM模型将不断更新来适应目标检测的各种变化.通过大量样本在各种复杂环境下实验,采用统计学分析结果,证明SVM邻域学习比传统SVM普通学习准确率更高、鲁棒性更好.

关键词：SVM模型、邻域学习、视频目标检测、统计学分析

所属期刊栏目：40

分类号：TN948.6-34

资助基金：国家自然科学基金项目41374039

在线出版日期：2017-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：95-98