【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第6期 347-351页,共5页

【作 者】： 王正友

【摘 要】 在研究基于支持向量机（Support Vector Machine，SVM）和均值漂移（Meanshift）跟踪算法基础上，为了提高目标跟踪的精确度和效率，提出了一种改进的目标跟踪算法。首先将目标跟踪转化为目标和背景的二分类问题，提取目标和背景的特征信息，采用粗糙集理论中的属性约简算法提取它们的有效特征，将目标和背景的特征分别作为正负样本训练SVM，得到背景与目标的总体分类器。借助总体分类器来区分临近下一帧中的目标和背景，并得到置信图；最后通过Meanshift算法找到置信图的峰值，从而获得目标的新位置。实验结果表明，改进方法能有效地提高目标的跟踪精度，同时加快了跟踪速度。