支持向量机的目标快速跟踪算法

　　复杂场景下基于判别式分类器的目标跟踪通常采用复杂的外观表示模型以提高跟踪精度，但影响了算法的实时性。为此，提出一种基于半色调的二值特征来描述目标的外观，在此基础上对结构化输出支持向量机（SVM）的核函数进行改进，实现了判别模型的快速更新和判别；同时提出一种基于分块匹配的判别模型更新策略，保证了跟踪过程中样本的可靠性。在Benchmark数据集上进行的测试实验中，与压缩跟踪（CT）算法、跟踪学习检测（TLD）算法和核化的结构化输出跟踪（Struck）算法相比，在跟踪速度上，该算法分别提高了0.2倍、4.6倍、5.7倍；在跟踪精度上，当重叠率阈值取0.6时，该算法的成功率达到0. 62，而其他三种算法的成功率均在0.4以下，当位置误差阈值取10时，该算法的精度为0. 72，而其他三种算法精度均小于0.5。实验结果表明该算法在发生光照变化、尺度变化、严重遮挡和突变运动等复杂情况下均具有很好的鲁棒性和实时性。