基于单类SVM和加权多示例采样方法的目标跟踪算法

基于分类的跟踪算法成为当前目标跟踪的研究热点。首先把跟踪问题看成是一个目标和背景的二分类问题，根据每一帧的正负样本数据训练 SVM分类器，通过分类器的分类概率值确定目标位置。然而，采集正负样本边界的那些样本很容易出现异常点，当把它们作为目标的下一帧位置时将会出现严重的跟踪漂移问题。本文在此基础上提出一种基于单类支持向量机(One-class support vector machine)的目标跟踪算法，基于 One-class SVM分类能有效地排除其他类的干扰，有效地防止异常样本的出现。并结合加权多示例采样方法，使得每个采样样本会根据不同的权值对于分类器的贡献而不同。实验结果表明本文改进跟踪方法的鲁棒性。